Konzeption und Realisierung einer mobilen Anwendung zur Verbesserung der Koloskopievorbereitung [original]

Fakultät für

Fakultät für Ingenieur-

wissenschaften, Infor-

matik und Psycholo-

gie

Institut für Datenbanken

und Informationssyste-

Konzeption und Realisierung einer mobi-

len Anwendung zur Verbesserung der Ko-

loskopievorbereitung

Abschlussarbeit an der Universität Ulm

Vorgelegt von:

Bastian Wankmüller

bastian.wankm[email protected]

Gutachter:

Prof. Dr. Reichert

Betreuer:

Marc Schickler

2018

Fassung 12. Juli 2018

2018 Bastian Wankmüller

Satz: PDF-L

TEX2ε

Kurzfassung

In Deutschland gilt ab einem Alter von 55 Jahren die Darmspiegelung als eine

Vorsorgeuntersuchung und wird von den Krankenkassen übernommen. Sie ist die

wichtigste und beste Vorsorgeuntersuchung für Darmkrebs, an welchem 2014 ca.

61.000 Menschen in Deutschland neu erkrankten. Bei einer Darmspiegelung wird

ein Endoskop mit Kamera und weiteren Instrumenten in den Darm eingeführt um

diesen zu begutachten.

Um eine gute Sicht in den Darm zu erlangen, muss dieser gereinigt werden. Dies

ist mit einer aufwändigen Diät und zeitgerechter Einnahme des Abführmittels des

Patienten verbunden. Nur bei einer guten Vorbereitung ist eine klare Sicht möglich.

Hierfür wurde eine App entwickelt, welche den Patient bei der Vorbereitung un-

terstützt. Dafür werden Benachrichtigungen erzeugt mit Tipps zu der Diät und als

Erinnerung für die Einnahme des Abführmittels. Auch kann über den Service Wat-

son Assistant, einem Chatbot, fragen über die Ernährung gestellt werden und in der

App alle relevanten Daten nachgeschaut werden.

iii

Inhaltsverzeichnis

1 Einleitung 1

1.1 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1

1.2 Inhalt................................... 2

1.3 Struktur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

2 Anforderungen 4

2.1 Funktionale Anforderungen . . . . . . . . . . . . . . . . . . . . . . . 4

2.1.1 Funktionale Anforderungen an die Anwendung . . . . . . . . 4

Benachrichtigungen . . . . . . . . . . . . . . . . . . . . . . . 6

2.1.2 Funktionale Anforderungen an Watson . . . . . . . . . . . . . 8

2.2 Nichtfunktionale Anforderungen . . . . . . . . . . . . . . . . . . . . 9

3 Koloskopie 10

3.1 Vorbereitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

3.2 Phasen.................................. 10

4 IBM Watson 12

4.1 Die Jeopardy-Herausforderung: . . . . . . . . . . . . . . . . . . . . 12

4.2 DeepQA Architektur . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

5 Android 17

5.1 Die Android Plattform . . . . . . . . . . . . . . . . . . . . . . . . . . 17

5.2 Activity Lifecycle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

5.3 Fragments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

6 Konzept & Entwurf 20

6.1 Datenbank . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

6.2 Mockups . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

7 Implementierung 30

7.1 App.................................... 30

7.1.1 Datenbank . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

Inhaltsverzeichnis

7.1.2 Activitys . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

7.1.3 Benachrichtigungen . . . . . . . . . . . . . . . . . . . . . . . 43

7.2 JSON-Format . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

7.2.1 Phasen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

7.2.2 Medikament . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

7.3 Watson.................................. 48

7.3.1 Intents . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

7.3.2 Entities . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

7.3.3 Dialog . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52

7.4 Anforderungsabgleich . . . . . . . . . . . . . . . . . . . . . . . . . . 56

7.4.1 Funktionale Anforderungen an die Anwendung . . . . . . . . 56

Benachrichtigungen . . . . . . . . . . . . . . . . . . . . . . . 57

7.4.2 Funktionale Anforderungen an Watson . . . . . . . . . . . . . 59

8 Fazit und Ausblick 61

8.1 Fazit ................................... 61

8.2 Ausblick . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62

A Quelltexte 63

B Abbildungen 66

Literaturverzeichnis 71

1 Einleitung

1.1 Motivation

Eine Darmspiegelung oder auch Koloskopie ist eine der wichtigsten Vorsorgeunter-

suchungen, dabei ist sie die beste Methode zur Früherkennung von Darmkrankhei-

ten. Durch eine Darmspiegelung kann der Arzt neben dem bekanntesten Grund,

des Darmkrebs, auch Entzündungen, Durchblutungsstörungen sowie weitere Ver-

änderungen der Darmschleimhaut erkennen. So lässt sich das Risiko durch die

Entfernung von Polypen senken, aus welchem ein Krebsgeschwür hervorgehen

kann. Eine Untersuchung findet sowohl zur Vorsorge als auch zur Untersuchung bei

Darmbeschwerden wie z.B. blutigem Stuhl oder länger anhaltendem Durchfall/Ver-

stopfung statt. So starben in 2013 insgesamt 12.085 Frauen und 13.608 Männer an

den Folgen von Darmkrebs[19] und 2014 erkrankten ca. 28.000 Frauen und 33.100

Männer neu[5].

Hierfür wird in Deutschland eine Darmspiegelung als Vorsorgeuntersuchung ab ei-

nem Alter von 55 Jahren von den Krankenkassen übernommen[18], diese kann

nach unauffälligem Befund nach zehn Jahren wiederholt werden.

Während der Darmspiegelung führt der Arzt ein Endoskop in den Darm ein, über

welches er zum einen Luft bzw. Kohlendioxid in den Darm pumpt, um diesen zu wei-

ten. Zum anderen befinden sich im Endoskop mehrere Instrumente wie ein Licht,

eine Kamera mit Spülung und spezielle Instrumente um etwaige Polypen zu entfer-

nen oder Proben zu entnehmen.

Im Normalfall dauert eine Darmspiegelung ca. 30 Minuten, falls der Darm gut ge-

reinigt ist. Um dies zu bewerkstelligen ist eine aufwändige Vorbereitung auf Seiten

des Patienten notwendig, wie das einhalten einer speziellen Diät[4].

Ist der Darm nicht ausreichend gesäubert, so befinden sich noch Rückstände von

Essen bzw. trübe Flüssigkeiten im Darminneren vor. Diese können die Sicht des

Endoskop verschlechtern oder sich auf der Linse festsetzen oder blockieren als

Ablagerungen in der Darmschleimhaut die Sicht auf diese. Muss der Arzt nun die

Ablagerungen während der Untersuchung entfernen und den Darm weitgehend rei-

1 Einleitung

nigen, so kann sich die Darmspiegelung erheblich verlängern. Bei stark vernachläs-

sigter Vorbereitung muss die Darmspiegelung an einem neuen Termin wiederholt

wird[17].

Ziel dieser Anwendung ist es dem Darmspiegelungspatienten zu helfen seine Vor-

bereitung optimal gestalten zu können. Hierfür zeigt die Anwendung alle relevanten

Daten zur Vorbereitung und der einhergehenden Diät an und gibt dem Benutzer

über Benachrichtigungen Tipps für den aktuellen Tag und dessen Ernährungsplan.

Da trotz Diätplan noch Fragen zur Ernährung aufkommen können und Lebensmittel

je nach Person eventuell unterschiedlich eingeordnet werden, wird der Service von

IBM Watson Assistant genutzt, um einen Chatbot zu bauen. Dieser soll auf Fragen

des Benutzers, ob dieser ein Lebensmittel in der aktuellen Phase seiner Vorberei-

tung zu sich nehmen darf beantworten. Erkennt der Chatbot eine Frage oder ein

Lebensmittel nicht, so ist es dem Benutzer möglich eine E-Mail an den zuständigen

Arzt mit der Frage zu senden.

1.2 Inhalt

In dieser Arbeit ging es darum,die Kenntnisse in Android weiter zu vertiefen und her-

auszufinden, in welchem Maß der Service Watson Assistant als Chatbot für Fragen

fungiert. Hierfür wurde eine Android-App entwickelt, welche dem Benutzer bei der

Vorbereitung zu einer Darmspiegelung hilft. Die App sollte die Aufgaben erfüllen,

den Benutzer über Vorbereitungsschritte zu den Nahrungsmitteln und dem Medi-

kament benachrichtigen, die relevanten Daten bereitstellen und eine Schnittstelle

zu Watson bieten. Da eine Darmspiegelung in Deutschland ab 55 Jahren als Vor-

sorgeuntersuchung übernommen wird von den Krankenkassen, musste auch die

Oberfläche einfach bedienbar und intuitiv sein.

1.3 Struktur

In dieser Arbeit werden zunächst die Anforderungen an das System definiert in Ka-

pitel 2, diese sind notwendig um alle Features, die die Anwendung später erfüllen

soll festzuhalten. Diese gliedern sich ich Funktionale und Nichtfunktionale Anforde-

rungen.

Folgend werden die Grundlagen der Arbeit erläutert, dazu zählt eine kurze Ein-

führung in die Vorbereitungsschritte für die Darmspiegelung in Kapitel 3 und eine

1 Einleitung

theoretische Zusammenfassung, wie Watson entstanden ist und abstrahiert funk-

tioniert in Kapitel 4.

Daraufhin folgt in Kapitel 6 die Konzeption des Projektes in Form von Mockups und

einer Beschreibung dieser, wie sich die App im späteren Verlauf verhalten soll. Vor

dem endültigen Fazit und einem Ausblick auf Weiterentwicklung in Kapitel 8 folgt

noch die Implementierung in Kapitel 7. In ihr werden die Funktionen der Anwen-

dung erklärt, die zugrundeliegende Datenbank und das Datenmodell in Form von

JSON. Neben der Anwendung selbst wird noch auf die Konfiguration von Watson

eingegangen und zuletzt ein Anforderungsabgleich zu den vorher erwähnten Anfor-

derungen gemacht.

2 Anforderungen

2.1 Funktionale Anforderungen

Funktionale Anforderungen spezifizieren das Endprodukt in den vorhanden Fea-

tures. Für jedes Feature gibt es eine Funktionale Anforderungen, welche dieses

abdeckt. Jede Anforderung besitzt neben einem Titel eine Beschreibung und die

Abhängigkeiten zu anderen Anforderungen. Alle hier aufgeführten Anforderungen

sind gleich priorisiert, deshalb wurde auf eine einzelne Priorisierung der Anforde-

rungen verzichtet. Es müssen für ein gelingen der App daher alle Anforderungen

umgesetzt werden.

2.1.1 Funktionale Anforderungen an die Anwendung

FA-1 Anmeldung

Beschreibung Um die Anwendung für mehrere Personen nutzbar zu ma-

chen, muss ein Benutzer sich am System mit einem eige-

nen Account anmelden können.

Abhängigkeiten

FA-2 Anzeige von verbleibender Zeit

Beschreibung Eine der wichtigsten Informationen für die Vorbereitung, ist

die verbleibende Zeit, da sich danach die Diät richtet. Da-

für soll dem Benutzer direkt auf der Startseite angezeigt

werden, wieviel Zeit noch bis zur Untersuchung verblei-

bend ist in der Form TT/SS.

Abhängigkeiten FA-1, FA-7

2 Anforderungen

FA-3 FAQ

Beschreibung Der Benutzer soll nicht nur über die Benachrichtigungen

informiert werden, es soll in einer Übersicht dargestellt

werden, auf was in jeder Phase geachtet wird und wie die

Medikamente eingenommen werden müssen.

Abhängigkeiten FA-6

FA-4 Chat mit Watson

Beschreibung Damit auf den Chatbot Watson zugegriffen werden kann,

soll eine kleine Chatanwendung erstellt werden, in der mit

Watson eine Unterhaltung geführt wird.

Abhängigkeiten

FA-5 E-Mail an Doktor

Beschreibung Da Watson nicht alle Fragen abdecken kann bzw. eventu-

ell Fragen auch nicht versteht, soll es dem Benutzer mög-

lich sein, wichtige Fragen direkt an den Arzt per E-Mail zu

senden.

Abhängigkeiten FA-8

FA-6 Registrierung: Auswahl Medikament

Beschreibung Bei der Registrierung kann der Benutzer selbst auswäh-

len, welches Medikament er als Abführmittel wählt.

Abhängigkeiten FA-8

FA-7 Registrierung: Angabe von Untersuchungstermin

Beschreibung Damit die Anwendung weiß, wann welche Benachrichti-

gungen erforderlich sind, muss der Benutzer den genauen

Termin mit Uhrzeit angeben.

Abhängigkeiten FA-8

2 Anforderungen

FA-8 Registrierung: Anmeldeinformationen und Doktor E-Mail

Beschreibung In der Registrierung werden die Informationen wie E-Mail

und Passwort des Benutzers abgefragt für die Anmeldung.

Zudem wird die E-Mail des Doktors abgefragt, um diesem

später eine E-Mail schreiben zu können.

Abhängigkeiten

Benachrichtigungen

FA-9 Ernährungstipps

Beschreibung Der Benutzer erhält täglich eine bestimmte Anzahl an Be-

nachrichtigungen, welche ihm helfen, eine optimale Vorbe-

reitung zu vollziehen.

Abhängigkeiten FA-7

FA-10 Weiterleitung auf FAQ-Seite

Beschreibung Um alle wichtigen Informationen selbst nachschauen zu

können, soll jede Benachrichtigung die Möglichkeit ha-

ben, auf die FAQ-Seite weiterzuleiten, sodass der Benut-

zer selbst alle Informationen überschauen kann.

Abhängigkeiten

FA-11 Medikamentenerinnerung

Beschreibung Neben der Ernährungsumstellung bekommt der Benutzer

auch Benachrichtigungen, wann und wie er das Medika-

ment einnehmen muss, um eine optimale Vorbereitung zu

erlangen.

Abhängigkeiten FA-6

2 Anforderungen

FA-12 Frage von Watson an Arzt weiterleiten

Beschreibung Kann eine Frage nicht von Watson beantwortet werden, so

soll er mit einem Klick auf die dann erscheinende Benach-

richtigung direkt zur Mailseite kommen um eine E-Mail an

die hinterlegte Adresse des Arztes zu senden.

Abhängigkeiten FA-8

2 Anforderungen

2.1.2 Funktionale Anforderungen an Watson

FA-12 Antwortvariationen

Beschreibung Bei gleichen Fragen soll es möglich sein, verschiedene

Antworten zu liefern, um so eine natürlichere Unterhaltung

zu führen.

Abhängigkeiten

FA-13 Antwort passend zur Anfrage

Beschreibung Watson soll dem Benutzer eine Antwort liefern, welche auf

die Frage bzw. den Typ und die Eigenschaften der Anfrage

eingeht. Somit wird eine natürlichere Unterhaltung ermög-

licht.

Abhängigkeiten

FA-14 Unterscheidung zwischen Phasen

Beschreibung Im Dialog mit Watson wird die aktuelle Phase, jedes ein-

zelnen Benutzers in der Wahl der Antwort berücksichtigt.

Abhängigkeiten

FA-15 Unterscheidung von Tageszeiten

Beschreibung Je nach Tageszeit soll automatisch die richtige Antwort ge-

wählt werden, falls der Benutzer keine Mahlzeit angibt.

Abhängigkeiten

FA-16 Allgemeine Fragen

Beschreibung Neben den Fragen zu der Ernährung, soll Watson auch ei-

nige allgemeine Fragen zu der Untersuchung beantworten

können.

Abhängigkeiten

2 Anforderungen

2.2 Nichtfunktionale Anforderungen

NFA-1 Usability

Beschreibung Die Oberfläche soll intuitiv gestaltet sein, sodass nur für

den Benutzer relevante Informationen sichtbar sind.

NFA-2 Effizienz

Beschreibung Es sollen lange Ladezeiten verhindert werden.

NFA-3 Energiesparend

Beschreibung Die App soll nicht dauerhaft Berechnungen ausführen, so

soll der Akku des Smartphone geschont werden.

NFA-4 Zuverlässigkeit

Beschreibung Die App soll bei einer richtigen Eingabe ein richtiges Er-

gebnis produzieren und falsche Eingaben abfangen.

3 Koloskopie

3.1 Vorbereitung

Für eine Darmspiegelung ist eine gut durchgeführte Vorbereitung entscheidend.

Während den unterschiedlichen Vorbereitungsphasen wird der Benutzer dazu auf-

gefordert eine spezielle Diät einzuhalten, um seinen Darm gründlich zu reinigen.

Bei der Darmspiegelung dürfen keine festen Bestandteile oder trübe Flüssigkeit

vorhanden sein, welche die Sicht des Endoskops verschlechtern. Die Vorbereitung

wird hier in vier Phasen unterteilt, welche im nächsten Abschnitt genauer erläutert

werden.

Ohne ausreichende Vorbereitung und Reinigung des Darms muss dies der Arzt

während der Untersuchung tun, wodurch diese sich deutlich verlängern kann. Nach

einer Studie werden ca. 22% der Polypen übersehen, welche kleiner sind als 1cm[20],

deshalb ist eine gute Vorbereitung notwendig für eine erfolgreiche Darmspiegelung.

3.2 Phasen

Die Vorbereitung kann in vier verschiedene Phasen unterteilt werden. Die Phasen

bauen nacheinander auf sich auf, sodass nach jeder abgeschlossenen Phase neue

Nahrungsmittel hinzukommen zu der Diät[9][11].

•4 Tage oder mehr verbleibend:

Die tatsächliche Vorbereitung beginnt 3-4 Tage vor der Untersuchung. Bis da-

hin darf der Patient sein gewohntes Essen zu sich nehmen. Es wird empfoh-

len schon ab 4-5 Tagen auf körnerhaltige Nahrung und Früchte zu verzichten.

Diese können sich in der Schleimhaut festsetzen und die Kamera blockieren.

3 Koloskopie

•2 bis 4 Tage verbleibend:

In diesem Abschnitt gilt ein striktes Verbot an Nahrung welche Kerne ent-

hält wie zum Beispiel Müsli, Kiwis, Weintrauben und Vollkornprodukte. Kerne

können bis zur Untersuchung im Darm verbleiben und die Kamera des Endo-

skops blockieren.

•1 Tag verbleibend:

Am Vortag ist ein leichtes Frühstück, wie ein Joghurt, erlaubt ohne Kerne oder

Vollkornprodukte. Für das Mittagessen ist eine klare Brühe ohne Einlagen wie

Nudel oder Kräuter möglich und keine feste Nahrung mehr erlaubt. Auf das

Abendessen wird verzichtet und bis zur Untersuchung nichts mehr gegessen.

•Tag der Untersuchung:

Am Tag der Untersuchung ist jegliche Nahrung bis zum Zeitpunkt der Unter-

suchung untersagt. Bis ein paar Stunden vor der Untersuchung muss auch

das trinken gestoppt werden, das Trinken darf eine helle und klare Flüssigkeit

sein. Nach der Untersuchung ist wieder normales Essen und Trinken erlaubt,

allerdings wird empfohlen mit leichter Kost anzufangen.

4 IBM Watson

Das Ziel der IBM Forschung besteht unter anderem darin, Computersysteme zu

entwickeln und verbessern. So setzte sich IBM als Herausforderung im Gebiet

der natürlichen Fragenbeantwortung ein System zu entwickeln, dieses sollte zu ei-

nem Menschen in der amerikanischen Quizshow "Jeopardy" gleichstark sein. Durch

wachsendes Interesse an Systemen, welche die natürliche Sprache verstehen und

diese präzise analysieren können, wählte IBM diese Domäne. Das interessante

daran für IBM war die Schwierigkeiten die diese Herausforderung mit sich brachte,

da eine Kombination aus Informationsbeschaffung aus der Frage, die Interpretati-

on und Auswertung dieser mithilfe künstlicher Intelligenz und Maschinenlernen zu

bewältigen. Das Projekt lief unter dem Codenamen Watson, benannt nach dem

Gründer von IBM: Thomas J. Watson.

4.1 Die Jeopardy-Herausforderung:

Die Anforderungen an Watson wurden mithilfe der Herausforderung von Jeopardy

erstellt. In Jeopardy müssen die Teilnehmer aus einer großen Menge aus unter-

schiedlichen Fachbereichen Fragen in Form natürlicher Sprache schnell und sicher

beantworten. Für falsche Antworten gibt es Strafen. Somit kommt es speziell auf

Sicherheit, Präzision und Geschwindigkeit beim beantworten der Fragen an. Kein

bisher existierender Algorithmus ist perfekt im Sprachverständnis um die Fragen

zu verstehen, daher müssen alle Teile ein Maß an Sicherheit produzieren und wei-

tergeben, um diese zu Kombinieren für die endgültige Antwort. In Jeopardy wird

dieses Maß genutzt, um zu entscheiden ob eine Antwort gegeben werden wird.

Jede Frage bzw. Aufgabe besteht dabei aus der Kategorie und einem Tipp. Dabei

sind einige Kategorien essentiell um den Tipp zu verstehen, manche sind hilfreich

aber unnötig, und einige sind nutzlos, wenn nicht sogar irreführend für einen Com-

puter 1.

1Sinngemäß übersetzt aus [15]

4 IBM Watson

Somit stellen die Tipps selbst eine Aufgabe dar, indem analysiert und herausgefun-

den werden muss, was gefragt ist und welche Teile zu der richtigen Antwort füh-

ren. Eine Frage besitzt allerdings nicht immer nur einen direkten Tipp, so müssen

auch die Tipps auf mehrere Teiltipps untersucht werden. Dadurch ergeben sich nun

zwei einzelne Tipps, wodurch nach zwei Antworten gesucht werden kann und die

Schnittmenge beider Teile die Antwort zur ursprünglichen Frage enthält. Am Ende

einer Runde Jeopardy gewinnt der Spieler mit dem meisten gesammelten Geld.

Da es neben den normalen Fragen noch drei doppelt gewertete Fragen gibt und am

Ende eine finale Jeopardy-Frage steht, gibt das Geld alleine am Ende nicht wieder,

wie gut der Spieler im gesamten Spiel abgeschlossen hat.

Um zu gewinnen müssen somit möglichst viele Fragen korrekt beantwortet werden,

dafür werden die Präzision und die Prozent der beantworteten Fragen betrachtet.

Die Präzision stellt hier den prozentualen Teil an Fragen dar, welche von Watson

richtig beantwortet werden von den Fragen welche Watson an sich beantwortet.

Die Prozent von beantworteten Fragen beschreibt den Anteil, welcher von Watson

versucht wird zu beantworten, egal ob richtig oder falsch.

Ob eine Frage beantwortet wird oder nicht, hängt von dem Sicherheitsranking der

Antwort ab. Je nach festgesetzter Schranke werden Fragen beantwortet, bei wel-

chen eine Antwort eine höhere Sicherheit besitzt richtig zu sein als die Schranke.

Dadurch kann das Verhalten durch den Kompromiss von Sicherheit und Risiko be-

stimmt werden, ob Watson riskiert die Frage falsch zu beantworten oder weniger

Fragen beantwortet, diese aber mit einer höheren Sicherheit.

Abbildung 4.1: Präzision vs. Prozent beantworteter Fragen[15]

4 IBM Watson

In Abb. 4.1 sind zwei theoretische Systeme zu sehen, beide haben eine Genauig-

keit von 40%, beantworten also 40% der Fragen korrekt. Die obere Linie bildet ein

System, welches ein Sicherheitsranking benutzt, welches für die 40% Genauigkeit

perfekt ist, also bei 40% beantworteten Fragen diese immer korrekt sind, wohinge-

gen das andere System nicht unterscheidet, ob die Frage richtig beantwortet wird

oder nicht und somit eine konstante Präzision von 40% besitzt. Somit lässt sich mit

gleicher Genauigkeit durch die Bewertung der Möglichen Antworten auf Richtigkeit

eine höhere Präzision erzielen.

Abbildung 4.2: Menschliche Performance in Jeopardy[15]

In Abb. 4.2 ist die Verteilung von menschlichen Spielern zu sehen. Jeder Punkt

stellt den Gewinner aus einer Runde Jeopardy dar, die Achsen sind gleich wie in

Abb. 4.1, aus insgesamt 2000 analysierten Runden. Im Gegensatz zu den theoreti-

schen Systemen besitzt ein Spieler lediglich einen Punkt und keine Kurve, da kein

Sicherheitsranking dargestellt werden kann. Ein weiterer Unterschied ist hier, dass

bisher der Aspekt des Buzzers für Watson außer acht gelassen wird, somit sind in

dieser Abbildung nur die Fragen aufgeführt, welche der Spieler bekommen hat und

schnell genug war. Dadurch ist auch die Zeit zu beachten, in welcher eine Antwort

generiert und bewertet werden muss und wie hoch das Risiko gewählt wird eine

falsche Antwort zu liefern.

4 IBM Watson

4.2 DeepQA Architektur

Im folgenden wird die Architektur der DeepQA-Software auf einem hohen Abstrak-

tionslevel gezeigt und Teile dessen beschrieben.

Abbildung 4.3: Architektur der DeepQA-Software auf hohem Abstraktionslevel[10]

Für die Architektur war vor allem wichtig, dass Anfragen parallel in Hinblick auf

viele Interpretationsmöglichkeiten hin untersucht werden. Für den ersten Schritt

der Auswertung ist also wichtig, die Frage und deren Kontext zu erfassen. Dazu

werden zuerst viele Fragen aus der Domäne gewählt und durch diese die Frage-

typen beschrieben. Um den Inhaltlichen Kontext der Frage zu erfassen, ist zudem

wichtig Informationen zu der jeweiligen Domäne zu besitzen. Für die Jeopardy-

Herausforderungen, welche aus vielen unterschiedlichen Domänen besteht, wur-

den als Quellen für Watson viele Enzyklopädien, Artikel etc. eingebunden. Nach

dem einbinden von grundlegenden Daten und Fragen, wird der Wissensstand er-

weitert, dazu werden wichtige Dokumente aus der Domäne erkannt und weitere aus

dem Internet heruntergeladen, diese werden dann textuell analysiert um wichtige

Textpassagen zu filtern. Diese Textpassagen werden daraufhin bewertet ob die-

se informativ sind und zu den ursprünglichen Dokumenten passen. Übernommen

werden dann nur diese Textpassagen, welche gut bewertet wurden in den Wissens-

stand.

4 IBM Watson

Nun hat das System eine Wissensbasis, auf welcher es agiert. Als ersten Schritt

wird die Frage analysiert, dafür versucht Watson die Frage zu verstehen und wel-

che Antwort erwartet wird. Um nicht nur Fragen zu verstehen, welche aus nur einem

Tipp bestehen, werden die Fragen auf Teilfragen bzw. Tipps untersucht.

So können wie zuvor erwähnt mehrere Tipps parallel verarbeitet werden und meh-

rere Antworten generiert werden.

Nachdem die Frage analysiert ist werden mithilfe der Analyse Hypothesen, also

mögliche Antworten, generiert. Diese werden aus dem Wissen welches hinterlegt

ist gesucht und Teile davon als Hypothesen zurückgegeben. Für jede Hypothese

wird dann mithilfe der zugrundeliegenden Frage überprüft, ob diese eine mögliche

Antwort darstellt und ein Sicherheitswert erstellt.

Auf die so erstellten Hypothesen wird ein Filter angewendet, welche die Hypothe-

sen mithilfe des zuvor berechneten Ranking sortiert und die Hypothesen über dem

Schwellenwert weitergibt zur weiteren Überprüfung.

Für jede der nun weiterhin zu überprüfenden Hypothesen werden weitere Analyse-

schritte durchgeführt, dafür wird für jede Hypothese durch auswerten von weiterem

Wissen in Bezug auf diese ein genaueres Ranking erstellt. Dieser Teil stellt den

größten Analyseschritt dar. Hierfür werden mehrere Arten der Bewertung benutzt,

um anschließend für jeden Beweis zu einer Hypothese einen Rang zu erhalten, wie

gut dieser die Hypothese beweist.

Nachdem alle Antworten gefiltert und bewertet wurden, gibt es noch einige Ant-

worten, welche aus unterschiedlichen Quellen kommen und kleine Unterschiede

haben, aber das gleiche Bedeuten. Die Äquivalenten Anworten werden dann von

Watson erkannt und deren Bewertungen können kombiniert werden. Daraufhin wer-

den die verbleibenden möglichen Antworten mit einem neuen Ranking versehen

mithilfe der Kombinationen. Aufgrund dieses Rankings wird anschließend die Ant-

wort gewählt und je nach Sicherheit bei Jeopardy der Buzzer betätigt.

5 Android

Android ist ein quelloffenes Betriebssystem für mobile Geräte wie Tablets und Smart-

phones. Entwickelt wurde Android von Google mit seiner Markteinführung in 2008.

Seitdem wird Android von der Open Handset Alliance weiterentwickelt. Die Open

Handset Alliance wurde 2007 von Google gegründet und ist eine Vereinigung von

84 Firmen im Bereich des mobilen Gerätemarktes und Technologie welche die Wei-

terentwicklung von Android betreiben [8].

5.1 Die Android Plattform

Die Androidkomponenten sind als Stapel entworfen, welche zu sehen sind in Abb.

B.1. Die Grundlage bildet ein Linux Kernel, dieser basierte Anfangs auf der Version

2.6. Seit 2017 fordert Google bei neu hergestellten Geräten eine Version des Li-

nux Kernels von 4.4 [2]. Der Linux Kernel übernimmt grundlegende Anforderungen

wie Speicherverwaltung und Sicherheitsfeatures, zudem erlaubt es den Herstellern

Treiber für einen weit verbreiteten Kernel zu implementieren.

Darauf aufbauend kommt die HAL-Schnittstelle, welche den darüber liegenden Schich-

ten Standardschnittstellen bietet um auf die Hardwarekomponenten zuzugreifen.

Seit der Android-Version 5.0 werden Prozesse in ihrer eigenen Instanz einer Android-

Runtime(ART) gestartet. Eine ART ist speziell dafür ausgelegt einen Prozess in ei-

ner virtuellen Maschine mit wenig Speicherverbrauch zu betreiben.

Neben Java, welches für die meisten Anwendungen benutzt wird, benötigen Kom-

ponenten wie HAL und ART teilweise native Bibliotheken in C und C++. Diese Bi-

bliotheken können teils durch Java-APIs von Anwendungen benutzt werden.

Die Java-API bietet dem Entwickler den Funktionsumfang des Androidsystems. Die-

se Java-API bietet alle Funktionen zum Erstellen einer Android-App. Hierbei wird

nicht unterschieden zwischen Systemanwendungen und eigener Anwendung, da

der Entwickler den vollen Umfang der API nutzen kann.

5 Android

5.2 Activity Lifecycle

Abbildung 5.1: Darstellung des Lebenszyklus einer Activity[1]

Den Grundbaustein einer Anwendung bieten Activitys. Eine Activity besteht aus ei-

ner eigenen Activity-Klasse sowie einer eigenen Layout-Datei. Eine Activity durch-

läuft den in Abb. 5.1 dargestellten Zyklus von dem Zeitpunkt der Erstellung bis zur

Löschung dieser aus dem Arbeitsspeicher des Smartphones.

Hervorzuheben ist hier die onCreate() und onStart() Methoden, in diesen findet die

Initialisierung der Activity statt. Es werden alle benötigten Daten für die Activity aus

z.B. der Datenbank gelesen und die Elemente der View gebunden.

Die Layout-Datei, welche jede Activity besitzt, ist als eine XML-Datei hinterlegt, in

ihr wird die grafische Oberfläche und deren Elemente definiert und über IDs refe-

renziert. Mithilfe der IDs ist es anschließend im Java-Code der Activity einfach die

Elemente im Code zu verknüpfen und zu verändern.

5 Android

5.3 Fragments

Abbildung 5.2: Darstellung des Lebenszyklus eines Fragmentes

Fragmente können ein Teilbereich der grafischen Oberfläche sein innerhalb einer

Activity. Sie können allerdings nur im Kontext einer eigenen Activity existieren, besit-

zen aber ihren eigenen Lebenszyklus mit eigenen Events und Oberfläche. Mithilfe

mehrerer Fragmente können so vielschichtige Oberflächen gestaltet werden, wo-

bei jedes einzelne Fragment ausgetauscht und unabhängig von anderen verändert

werden kann.

6 Konzept & Entwurf

Die App richtet sich größtenteils an Menschen über 50 Jahren. Eine Darmspiege-

lung wird in Deutschland ab 55 Jahren als Vorsorgeuntersuchung empfohlen. Auf-

grund dessen wurde das Design Schlicht gehalten und von der Startseite sind alle

Funktionen sofort zu erreichen.

Im folgenden Kapitel wird das Konzept und ein Entwurf des Aufbaus und Funktio-

nen mithilfe von Mockups aufgezeigt. Das Datenformat, für welches JSON gewählt

wurden, wird hier nicht aufgeführt, da dies mit den wachsenden Anforderungen an

dieses während der Implementierung iterativ entstanden ist.

6.1 Datenbank

Abbildung 6.1: Konzept der Datenbank

In der Datenbank werden die wichtigsten Daten zu den Benutzern gespeichert. Die

E-Mail dient als Schlüssel eines Datensatzes. Es werden alle Daten gespeichert,

die der Benutzer bei der Registrierung angibt. Für den Untersuchungstermin wird

ein formatierter Text gespeichert mit dem Datum und der Uhrzeit.

6 Konzept & Entwurf

6.2 Mockups

Die Mockups wurden mit Hilfe von Ninjamock entworfen. Ninjamock ist ein Browser-

basiertes Tool um Mockups mithilfe einer grafischen Oberfläche und einem Drag &

Drop System zu erstellen. Als Features bietet Ninjamock dem Benutzer die Möglich-

keit, die Elemente auf der GUI anzuordnen per Abstand zum Rand des Fensters,

diese Anordnungsoption ist auch wiederzufinden im ConstraintLayout von Android.

Jedes Element kann mit einem Link zu einem anderen Mockup versehen werden,

dadurch kann eine Simulation einer App erstellt werden.

6 Konzept & Entwurf

Abbildung 6.2: Konzept der Loginseite

Die Loginseite ist die Startseite der App, welche bei jedem Neustart der App geöff-

net wird. Zu sehen ist ein kleiner Text mit einer Beschreibung der Grundidee. Für

den Login stehen ein Feld für die eigene E-Mail und ein Feld für das Passwort be-

reit, welche beim Einloggen auf Richtigkeit überprüft werden müssen. Neben der

Option sich am System anzumelden besteht auch die Möglichkeit sich einen neuen

Account zu erstellen, dies führt zu der Registrierung.

6 Konzept & Entwurf

Registrierung:

Abbildung 6.3: Konzept der Registrierungsseite

Für eine Registrierung am System, muss der Benutzer für die spätere Anmeldung

seine eigene E-Mail und ein Passwort angeben. Um sicherzustellen, dass das Pass-

wort richtig eingegeben wurde, ist unter dem ersten Passwortfeld eine zweites zur

Wiederholung. Das letzte Textfeld ist für die E-Mail des zuständigen Doktors, um

so später einen Kontakt herzustellen, falls Fragen zur Vorbereitung nicht durch die

App selbst oder Watson beantwortet werden können. Als vorletztes Element auf

der Seite befindet sich ein DatePicker, um das Datum der Untersuchung festzule-

gen. Von diesem Termin aus werden dann in der App alle weiteren Prozesse und

Benachrichtigungen beeinflusst. Zuletzt gibt es noch einen Knopf um die Registrie-

rung abzuschließen. Vor dem Abspeichern der eingegebenen Daten sollen diese

alle nochmals überprüft werden, ob es sich um valide E-Mailadressen handelt, das

Passwort den Anforderungen entspricht und das Datum nicht in der Vergangen-

heit liegt. Ist die Registrierung erfolgreich, so wird der Benutzer auf die Loginseite

weitergeleitet.

6 Konzept & Entwurf

Startseite:

Abbildung 6.4: Konzept der Startseite

Die Startseite ist in drei Teile unterteilt. Der Kopfbereich des Layouts bilden zwei

Informationseinheiten welche horizontal unterteilt sind. Die obere Einheit beinhaltet

die Tage, welche bis zum Untersuchungstermin noch verbleibend sind, inklusive der

Stunden. Die untere Einheit ist eine TextView welche dem Benutzer einen zu dem

aktuellen Tag spezifischen Tipp zu seiner Vorbereitung bereitstellt. In der unteren

Einheit befinden sich vier große Knöpfe, diese nehmen den Rest der Bildschirm-

oberfläche ein. Über diese sind direkt alle weiteren Activitys verfügbar.

6 Konzept & Entwurf

Settings:

Abbildung 6.5: Konzept der Hauptseite für Einstellungen

Es werden dem Benutzer zwei Kategorien vorgegeben, um das Verhalten der App

an seine eigenen Bedürfnisse anzupassen. Er kann die Benachrichtigungen anpas-

sen, ob diese erscheinen und die Zeit, in welchen die Benachrichtigungen für die

Ernährung erscheinen.

6 Konzept & Entwurf

Abbildung 6.6: Konzept der Einstel-

lungen für Benach-

richtigungen

Abbildung 6.7: Konzept der Einstel-

lungen für Zeitslots

der Ben.

Unter den Einstellungen zu den Zeitslots finden sich zwei Einstellungsmöglichkei-

ten zu jeweils der Start und Endzeit zwischen welchen die Benachrichtigungen an

den Benutzer gesendet werden sollen. Wird das Textfeld für die Start oder Endzeit

geklickt, öffnet sich jeweils ein “TimePickerDialog” von Android, worüber die Stun-

de und die Minuten angegeben werden können. Unter den Einstellungen zu den

Benachrichtigungen kann der Benutzer entscheiden, ob die Benachrichtigungen

angezeigt werden, und ob diese Stumm sind beziehungsweise den aktuellen Ein-

stellungen des Systems entsprechen. Benachrichtigungen werden zwischen zwei

Arten unterschieden, Benachrichtigungen zu Ernährungstipps und Fehlerreport von

Watson.

6 Konzept & Entwurf

Watson:

Abbildung 6.8: Konzept der Chatseite für Watson

Die Watson-Activity stellt dem Benutzer einen rudimentären Chat zur Verfügung.

Wird die Activity geöffnet, so wird von der App automatisch eine Initialisierungs-

nachricht gesendet und Watson begrüßt den Benutzer entsprechend. Darauf be-

antwortet Watson Fragen über die aktuelle Diät und auch kleinere Aspekte über

die Untersuchung allgemein. Fragen zur Medizin soll Watson bewusst nicht beant-

worten, da dies unter anderem abhängig von einer anderen Medikamentation des

Benutzers sein kann.

6 Konzept & Entwurf

Mail:

Abbildung 6.9: Konzept der Mailseite

Dem Benutzer wird eine einfache Benutzeroberfläche dargestellt mit zwei Textein-

gabefeldern. Der Benutzer muss lediglich einen Betreff angeben und den Inhalt

verfassen. Nachdem die E-Mail von der App versendet werden soll, öffnet sich das

Standard E-Mailprogramm des Smartphones um den Text an den angegebenen

Arzt zu versenden.

6 Konzept & Entwurf

FAQ:

Abbildung 6.10: Konzept der FAQ-

Seite: Medikament

Abbildung 6.11: Konzept der FAQ-

Seite: Phasen

In der FAQ-Activity sind alle von der App bereitgestellten Daten zur Vorbereitung

enthalten und werden kompakt nach Phase oder gegebenenfalls nach Medizin prä-

sentiert. Über ein Menü in der Taskbar der Activity ist es möglich zwischen den

FAQ-Fragments der Medizin und der Phasen umzuschalten.

•Phase:

Innerhalb des Phasen-Fragmentes werden alle Informationen zu einer Phase

dargestellt. Für jede Phase gibt es eine Tabelle, welche unter " Allowed Food"

(dt. erlaubtes Essen) Vorschläge für Essen gibt, welche aktuell der Vorberei-

tung helfen. Unter "Not Allowed" (dt. nicht erlaubt) ist die Diät der jeweiligen

Phase aufgelistet mit Lebensmitteln, welche kontraproduktiv für die Vorbe-

reitung sind und nicht verzehrt werden dürfen. Unter dieser Tabelle ist eine

Liste mit Tipps zu finden. Diese Tipps helfen dem Benutzer seine Vorberei-

tung optimal zu gestalten und eventuelle Nebenwirkungen der Vorbereitung

zu minimieren.

•Medizin:

Im oberen Bereich des Medizin-Fragments befindet sich ein Spinner, um zwi-

schen den verfügbaren Medikamenten zu wechseln. Aufgeteilt ist die Activity

horizintal in zwei Teile für den Vortag und Untersuchungstag.

7 Implementierung

7.1 App

7.1.1 Datenbank

Die Datenbank der Anwendung wurde mit SQLite erstellt. Auf die Wahl eines Fra-

meworks oder API für eine Datenbank wurde verzichtet, da die Datenbank mit drei

Tabellen nicht sehr groß ist und diese einfache Datenwerte speichert und keine Ob-

jekte durch Tabellen dargestellt und gespeichert werden müssen.

Die Datenbank besteht, wie zuvor erwähnt aus drei Tabellen. Darin werden die

Anmeldedaten der Benutzer lokal gespeichert sowie die JSON-Datei und die Be-

nachrichtigungen mit ihrer Zeit als Zwischenspeicher.

Die Tabelle für Medizin ist hier in keiner Abbildung aufgeführt, da diese aus nur

einem Eintrag mit einer Spalte besteht, welche das JSON-Format beinhaltet.

7 Implementierung

Tabelle für Benutzerdaten:

Abbildung 7.1: ER-Diagramm der Logintabelle

In dieser Tabelle werden alle Daten zu einem Benutzer gespeichert, welche er bei

der Registrierung angibt. Die E-Mail des Benutzer selbst ist hierbei der Schlüs-

seleintrag einer Zeile, über welche diese eindeutig referenziert werden kann. Des

weiteren wird über die Benutzer-E-Mail auch die E-Mail des zuständigen Doktors

zugeordnet, sodass diese öfters in dem Datensatz vorhanden sein darf.

Für die Anmeldung wird das Passwort gespeichert, da es sich hier um eine rein

lokale Anwendung handelt im Klartext.

Für den Untersuchungstermin gibt es zwei Spalten, zum einen das Datum der Un-

tersuchung und die Uhrzeit, zu welcher die Darmspiegelung planmäßig durchge-

führt werden soll. Das Datum wird als Text gespeichert in der Formatierung "TT/M-

M/JJJJ", wodurch die Anzahl der Spalten, im Gegensatz zu einzelnen Spalten für

Tag und Monat, gespart werden. Für die Vorbereitung wird hier auch das Medika-

ment dem Benutzer zugeordnet. Die Spalte Aktiver Account dient hier, damit meh-

rere Benutzer die Anwendung gleichzeitig benutzen können. Es wird jeweils der

aktuelle Benutzer als aktiv gesetzt und geändert, falls sich ein anderer Benutzer

anmeldet.

7 Implementierung

Benachrichtigungstabelle:

Abbildung 7.2: ER-Diagramm der Benachrichtigungstabelle

Für die Speicherung zu den Einzelheiten der Benachrichtigung dient diese Tabelle,

in ihr werden die Daten über den Zeitraum des Tages gespeichert, sodass diese

nicht durch einen Absturz verloren gehen. Da diese Tabelle nur eine Zeile enthält,

entfällt die Wahl eines Schlüssel.

Da die Benachrichtigungen jeden Tag zufällig generiert werden, wird der aktuelle

Tag des Monats gespeichert. Für die Benachrichtigungen werden die jeweils ge-

nerierten Zeiten als Millisekunden gespeichert. Des weiteren gibt es drei boolean-

Felder, in welchen gespeichert wird, ob die Benachrichtigung dem Benutzer schon

angezeigt wurden, um sicherstellen zu können, dass keine Benachrichtigung dop-

pelt erzeugt wird.

7 Implementierung

Für jede Zeit wird auch der Tipp in der Datenbank vermerkt, sodass die Erzeugung

der Objekte aus dem JSON-Format nur bei der Generierung der Zeiten erfolgt.

Da die Benachrichtigungen für die Medizin am Vortag je nach Tageszeit festge-

schrieben bzw. am Tag der Untersuchung sich nach der Untersuchungszeit richten,

werden zu diesen keine Zeiten gespeichert. Hierfür gibt es zwei Spalten mit Text,

"medPreDone" und "medChDone" . Diese beiden Felder beinhalten die Zeiten von

den bisher erschienenen Benachrichtigungen, da es bisher keine zwei gleichen Zei-

ten gibt für ein Medikament, werden somit alle angezeigt. Falls es zwei gleiche Zei-

ten geben sollte, so werden diese beiden als zwei Benachrichtigungen gleichzeitig

erzeugt. Um mehrere Benutzer auch in den Benachrichtigungen zu unterstützen,

wird noch die E-Mail eines Benutzers gespeichert, für welchen die Zeiten generiert

wurden.

7 Implementierung

7.1.2 Activitys

Registrierung:

Abbildung 7.3: Abfrage der Benutzer-

daten Abbildung 7.4: Abfrage zum Termin

Hat der Benutzer noch kein Konto bzw. keinen Account in der App erstellt, kann er

er sich mithilfe von zwei Seiten registrieren. Auf der ersten Seite der Registrierung

finden sich im Kopfbereich ein kleiner Einleitungstext. Darauf folgen vier Texteinga-

befelder für die E-Mail des Benutzer, die E-Mail des zuständigen Doktors und das

Passwort mit Passwortwiederholung. Zuletzt befindet sich ein Spinner zur Auswahl

des gewählten Abführmedikaments und ein Knopf für die zweite Seite der Regis-

trierung. Auf dieser befindet sich ein Textfeld, über welches sich bei einem Klick

ein DatePickerDialog öffnet um das Datum der Untersuchung anzugeben. Folgend

kommt ein TimePickerDialog um auch die genaue Uhrzeit der Untersuchung anzu-

geben. Mit einem Klick auf Registrieren wird die Registrierung abgeschlossen und

die eingegebenen Daten überprüft. Bei erfolgreicher Registrierung wird die Login-

Seite geladen und die Daten in der lokalen Datenbank gespeichert. Als Vorausset-

zung muss eine valide E-Mail Adresse angegeben werden und das Passwort muss

aus mindestens sechs Zeichen bestehen.

7 Implementierung

Abbildung 7.5: Loginseite der App

Die Login-Seite besteht aus einem Textfeld für die E-Mail des Benutzers und des-

sen Passwort. Bei erfolgreicher Anmeldung gelangt der Benutzer auf die Startseite,

bei einer falschen Eingabe erscheint eine Meldung mit dem Text "Login failed". Un-

ter dem Login-Knopf befindet sich ein in kleiner Text als Link zu der Registrierung

für neue Benutzer.

7 Implementierung

Startseite:

Abbildung 7.6: Startseite der App

Nach der erfolgreichen Anmeldung gelangt der Benutzer auf die Startseite, welche

einen ersten Überblick ermöglicht. Im oberen Bereich der Seite findet sich der Tipp

des Tages, dieser gibt dem Benutzer je nach Vorbereitungsphase einen Tipp wel-

cher für die Zeit einer Phase konsistent bleibt.

Darunter befinden sich zwei Textzeilen für eine direkte Erinnerung an den Termin.

In der oberen Zeile wird textuell dargestellt an welchem Datum die Untersuchung

stattfindet. Die zweite Zeile zeigt einen Timer an, welcher die noch verbleibende

Zeit bis zu der Untersuchung in Tagen und Stunden anzeigt. Dadurch weiß der

Benutzer direkt nach dem Einloggen in die App wieviel Zeit noch verbleibend ist.

Der nachfolgende Bereich, welcher den Hauptteil der Seite darstellt, bietet einen

direkten Zugriff auf alle wichtigen weiteren Activitys der App. Diese sind wie in dem

Entwurf in 6.2 und deren Anordnung und Verlinkung wurde daraus übernommen.

Die vier Knöpfe beinhalten jeweils ein Icon, welche den Nutzen der aufzurufenden

Seite beschreiben und eine textuelle Beschreibung.

7 Implementierung

Einstellungen:

Abbildung 7.7: Hauptseite der Ein-

stellungen

Abbildung 7.8: Einstellungen zu Be-

nachrichtigungen

Realisiert wurden die Einstellungsoptionen mithilfe der SharedPreference-API von

Android, mithilfe dieser können schnell Optionen realisiert werden dank einfacher

Anpassung von XML-Code. Die Einstellungen der App wurden in drei Kategorien

eingeteilt zur individuellen Anpassung an den jeweiligen Benutzer.

In den allgemeinen Einstellungen gibt es aktuell nur eine Einstellungsmöglichkeit,

ob die E-Mails in der App selbst geschrieben werden und dann mit Inhalt an die

Standard E-Mailapplication des Handys weitergeleitet wird oder beim Klick auf der

Startseite direkt eine E-Mailapp aufgerufen wird mit lediglich der E-Mail des Dok-

tors.

In den Einstellungen zu den Benachrichtigungen gibt es zwei Unterkategorien, Er-

nährungstipps und Watsonsupport. Für jede dieser Kategorien kann jeweils separat

festgelegt werden, ob diese Benachrichtigungen erscheinen und ob diese Stumm

sind. Dadurch ist dem Benutzer die Möglichkeit gegeben keine Benachrichtigungen

zu empfangen welche nicht erwünscht sind. Medikamentenerinnerungen werden

immer gesendet, da diese den Hauptbestandteil der Vorbereitung darstellen.

7 Implementierung

Abbildung 7.9: Übersicht zu Start und

Endzeit

Abbildung 7.10: Aufgeklappter Time-

PickerDialog

Im dritten Unterpunkt befinden sich die Optionen zu welcher Zeit Benachrichtigun-

gen zur Ernährung erscheinen. Die Benachrichtigungen zu den Medikamenten sind

darin nicht enthalten, da diese von dem Untersuchungstag und der Untersuchungs-

zeit direkt abhängen. Für die Start- und Endzeit für die Benachrichtigungen gibt es

zwei Textfelder, mit einem Klick auf eines der beiden Textfelder öffnet sich ein Ti-

mePickerDialog von Android, über welchen der Benutzer die Zeit in Stunden und

Minuten genau angeben kann.

7 Implementierung

E-Mail:

Abbildung 7.11: Mailseite

Die Seite bietet eine einfach gehaltene Oberfläche, auf ihr sind zwei Textfelder für

den Betreff der zu verschickenden E-Mail und dem Inhalt. Soll die E-Mail gesendet

werden, wird eine Uri erstellt mit den Daten zur Doktor-E-Mail, dem Betreff und dem

Inhalt. Über diese Uri mit dem Schema "mailto" wird die Standard E-Mailapp des

Smartphones geöffnet oder ggfs. eine Auswahl an möglichen Apps vorgeschlagen.

Damit öffnet die gewählte App ein E-Mail Fenster zum versenden, wobei alle Felder

eingetragen sind und die E-Mail direkt versendet werden kann.

7 Implementierung

FAQ:

Abbildung 7.12: FAQ zu den Vorbe-

reitungsphasen

Abbildung 7.13: FAQ zu den Medika-

menten

Die FAQ-Seite besteht aus zwei einzelnen Fragmenten, welche in das Layout der

Activity geladen werden. Beim starten wird standardmäßig das Fragment für Pha-

sen geladen. Die zwei Fragmente können über die Symbole in der Toolbar der Acti-

vity getauscht werden, es kann zwischen Phasen- und Medikamenten-FAQ gewählt

werden. Alle Daten, welche angezeigt werden, sind in dem JSON-Format, siehe 7.2

, vorhanden und werden dem Benutzer übersichtlich und sortiert dargestellt.

7 Implementierung

•Phasen-Fragment:

Das Phasen-Fragment zeigt dem Benutzer alle in der App vorhandenen Infor-

mationen zu den jeweiligen Vorbereitungsphasen. Beim Start wird aufgrund

der verbleibenden Tage die aktuelle Phase geladen. Als oberstes Element ist

ein Spinner zu sehen mit allen Phasen.

Zu jeder Phase werden die Start- und Endtage angegeben, in welchen sie

startet und endet. Folgend ist eine Tabelle, in der Spalte zu " Allowed" befin-

den sich Vorschläge bzw. Beispiele für Nahrungsmittel, welche der Vorberei-

tung helfen. Komplementär dazu sind in der zweiten Spalte mit "Not Allowed"

Nahrungsmittel aufgeführt, welche die Vorbereitung negativ beeinträchtigen

und somit die Diät des Benutzers darstellen. Unter der Tabelle ist noch eine

Liste mit allen Tipps zu der angezeigten Phase um eine Möglichkeit zu bieten

einen besseren Überblick zu bekommen.

•Medikamenten-Fragment:

Wie in dem Phasen-Fragment befindet sich im oberen Bereich ein Spinner,

hier sind nun alle verfügbaren Medikamente zum Abführen enthalten. Das

Fragment ist in zwei Teile aufgeteilt, der erste Teil beschreibt, falls vorhanden,

die Medikamenteneinnahme am Vortag der Untersuchung und der zweite Teil

die Einnahme am Tag der Untersuchung. Die Struktur für Vortag und Unter-

suchungstag ist identisch. Für jede vorhandene Zeit wird ein Eintrag erstellt,

dieser besteht aus zwei Zeitangaben. Die erste Angabe bezieht sich auf die

Stunde, beim Vortag auf die Uhrzeit und beim Untersuchungstag auf die An-

zahl der Stunden vor dem Termin. Die zweite Angabe gibt dem Benutzer die

Zeitspanne an, in welcher der Vorbereitungsschritt ausgeführt werden muss.

Zu jedem Vorbereitungsschritt gibt es eine Liste mit Tipps zur Einnahme des

Medikaments.

7 Implementierung

Watson:

Abbildung 7.14: Beispielchat mit Watson

Auf der Chatseite für den Chatbot Watson befindet sich ein rudimentärer Chat. Wird

die Seite geöffnet, so sendet die App automatisch eine Initialisierungsnachricht mit

den Parametern des Tageszeitraums und den verbleibenden Tagen. Ausgehend

von diesen Informationen werden die passenden Antworten gewählt. Unterstützt

werden hauptsächlich Fragen zur Ernährung bzw. Lebensmitteln.

7 Implementierung

7.1.3 Benachrichtigungen

Die App bietet drei unterschiedliche Arten von Benachrichtigungen. Sie informiert

den Benutzer je nach Tageszeit mit einem Tipp für die Ernährung und über die Vor-

bereitungsschritte für das Abführmedikament.

Zuerst wurden die Benachrichtigungen mithilfe eines Service implementiert. Dieser

sollte im Hintergrund laufen, und im Falle einer Benachrichtigung einen IntentSer-

vice nutzen um eine Benachrichtigung zu erzeugen. Da allerdings ab dem API Le-

vel 26 von Android Services im Hintergrund anders als zuvor behandelt und diese

einschränkt, sodass der Service beendet wurde, sobald die App nicht mehr im Vor-

dergrund ist. Deshalb wurden die Benachrichtigungen dann mithilfe einer Tabelle

in der Datenbank als Zwischenspeicher über einen AlarmManager realisiert. Beim

starten der App bzw. des Telefons wird eine Instanz des Alarms erstellt und jeweils

nach einem Zeitintervall von einer Minute erneut aufgerufen, um zu überprüfen, ob

eine neue Benachrichtigung erzeugt werden muss.

Ernährungtipps:

Abbildung 7.15: Benachrichtigung für Essenstipps

Für die Ernährung werden pro Tag drei unterschiedliche Tipps als Benachrichtigun-

gen bereitgestellt, welche wie zuvor erwähnt zu der aktuellen Tageszeit passend

sind. Als Standard ist in den Einstellungen ein Zeitrahmen von 7-22 Uhr eingestellt,

in diesem werden die Benachrichtigungen zeitlich zufällig erzeugt. Der Zeitrahmen

ist dabei in drei gleich große Zeiträume unterteilt, in welchen die Benachrichtigung

erscheint. Nachdem die Benachrichtigung einmal erzeugt wurde, wird ein Eintrag in

der Datenbank erstellt, sodass es keine Wiederholungen gibt. Die Nachrichten sind

wie in 7.2.1 beschrieben der Tageszeit angepasst. In Anhang A ist zu sehen, wie

die Generierung der Zeiten in der App funktioniert.

7 Implementierung

Medikamentenerinnerung:

Abbildung 7.16: Benachrichtigung für

Medikamente Abbildung 7.17: Ausgeklappte Be-

nachrichtigung

Zu einer guten Vorbereitung gehört großteils die richtige Einnahme des Abführmit-

tels. Die Benachrichtigungen sind abhängig von der Uhrzeit bzw. des Termins am

Vor-/Untersuchungstag. Die Benachrichtigung enthält im Standardzustand einen

Text, welcher textuell beschreibt wie das Abführmittel eingenommen werden soll

und in welchem Zeitrahmen dies geschehen muss. Sie ist aufklappbar und enthält

darin alle vorhandenen Tipps.

Unbeantwortete Frage an Watson:

Abbildung 7.18: Benachrichtigung für eine nicht erkannte Frage

In dem Fall, dass Watson dem Benutzer keine Antwort geben kann, erscheint eine

Benachrichtigung. Ist gerade ein Chat mit Watson aktiv, und es wird eine Anfrage

gestellt, welche eine Fehlernachricht zurück gibt, so wird eine Benachrichtigung

generiert, welche die Frage des Benutzers enthält. Diese bietet ihm dann auch die

Möglichkeit, die Mailseite direkt mit der Frage aufzurufen.

7 Implementierung

7.2 JSON-Format

Als Datenquelle wurde ein JSON-Format gewählt. In diesem JSON-Objekt werden

alle Daten, welche relevant für die Vorbereitung sind, gespeichert. Das Format wur-

de gewählt, da sich mit JSON einfach komplexere Sachverhalte und Abhängigkei-

ten darstellen lassen. Für die App wurde darauf geachtet, dass alle Daten in diesem

JSON-Objekt vorhanden sind, um somit in einem späteren Server-Client Szenario

diese Daten über Updates anpassbar zu machen und ggfs. personalisierte Vorbe-

reitungspläne zu erstellen und einzufügen.

Das Format ist in zwei Teile unterteilbar, es gibt ein JSON-Objekt für alle Phasen

der Vorbereitung und jeweils für jedes Medikament ein JSON-Objekt als direkte

Kindelemente.

7 Implementierung

7.2.1 Phasen

Abbildung 7.19: Aufbau des JSON-Formates für eine Phase1

Ein Phasenobjekt beschreibt die Aspekte der Vorbereitung des jeweiligen Zeitab-

schnittes. Jedes Objekt besitzt dabei sechs Kindelemente.

Es beinhaltet eine Beschreibung als Text, daraufhin kommen der Start- und Endtag,

welche die verbleibenden Tage der Phase abbilden bis hin zum Untersuchungstag.

Der Starttag wird excludiert und der Endtag wird inkludiert, wodurch sich feste Gren-

zen ergeben und ggfs. auch Überschneidungen möglich sind zwischen Phasen.

Die verbleibenden drei Kindelemente sind Arrays mit Text, zwei dieser Arrays sind

für die optimalen beziehungsweise nicht erlaubten Lebensmittel. Das letzte Array

beinhaltet Tipps für die Vorbereitung, diese sind für jede Phase spezifisch und ge-

ben dem Benutzer die Option seine Vorbereitung optimal zu vollziehen. In dem

Array befinden sich immer genau vier Tipps, dabei sind drei Tipps für die Ernäh-

rungstipps und einer für den Tipp des Tages auf der Startseite.

https://jsoneditoronline.org/

7 Implementierung

7.2.2 Medikament

Abbildung 7.20: Aufbau des JSON-Formates für die Medikamente2

Ein Medikamentenobjekt besitzt drei Kindelemente, welche ein Beschreibungstext

und zwei Arrays für die Vorbereitung sind. Die beiden Arrays beinhalten die Einnah-

meinformationen zu dem Medikament für den Vortag bzw. den Untersuchungstag.

Die Kindelemente der beiden Arrays folgen demselben Aufbau in ihrer Struktur, der

einzige Unterschied besteht darin, dass für den Vortag die Stunde des Tages ange-

geben wird und beim Untersuchungstag dies abhängig von der Untersuchungszeit

ist. Jedes Array besteht aus einem oder mehreren Vorbereitungsschritten.

Ein Vorbereitungsschritt beinhaltet die Zeit der Ausführung sowie die Zeitspanne in

welcher diese vollzogen werden muss. Zu jedem Schritt existiert ein Text, welcher

die Benutzung des Medikamentes beschreibt und ein weiteres Array welches Tipps

zur Einnahme in Textform enthält.

https://jsoneditoronline.org/

7 Implementierung

7.3 Watson

Watson bietet über eine Weboberfläche eine Vielzahl an Services an, welche auf

dem System Watson basieren. Die Einarbeitung über diese gelang sehr schnell

und einfach, auch die gute und verständliche Dokumentation von IBM selbst. Die

Erstellung von Intents und Entities ist übersichtlich gestaltet, sodass die Konzeption

des Dialogmoduls die hauptsächliche Arbeit darstellt.

Zu Beginn der Bachelorarbeit gab es noch kein Fuzzy Matching, so mussten die

Entitäten genau in der Anfrage wiedergegeben werden, da sonst keine korrekte

Erkennung stattfindet, siehe 7.3.2.

7 Implementierung

7.3.1 Intents

Ein Intent beschreibt eine Absicht, welche der Benutzer an Watson stellt bzw. wel-

ches Ziel oder welcher Zweck vom Benutzer gewünscht wird. Da Watson in mei-

nem Anwendungsfall dafür gedacht ist Fragen zu beantworten, bestehen die Intents

hauptsächlich aus Fragetypen.

Abbildung 7.21: Beispiel eines Intents

Ein Intent besteht aus einer ID, diese beginnt immer mit einem #. Über die ID wird

später der Intent im Dialog referenziert und erkannt. Zu jedem gibt es noch eine

Beschreibung, welche lediglich für den Benutzer der Weboberfläche relevant ist.

Der wichtigste Teil sind die Beispiele, für einen Intent können mehrere angegeben

werden. Die Beispiele müssen relevant und repräsentativ sein, umso besser diese

die Benutzereingaben repräsentieren, wird der richtige Intent erkannt. Watson bietet

die Möglichkeit einer Mehrfacherkennung, so können auch zwei Absichten in einer

Anfrage erkannt und verarbeitet werden.

7 Implementierung

7.3.2 Entities

Entitäten stellen ein Objekt bzw. einen primitiven Datentyp dar, welcher in Kombina-

tion mit einem Intent zu dem Verständnis der Absicht des Benutzers vervollständigt.

Abbildung 7.22: Beispiel einer Entität

Eine Entität besitzt auch eine ID, angefangen mit einem @, welche hierbei auch

als Beschreibung dient. Für eine Entität können Werte angegeben werden, wel-

che Oberbegriffe sind und für jeden Wert können weitere Synonyme angegeben

werden. In Abb. 7.22 ist zu sehen, dass hier Nudel der Oberbegriff ist und weitere

Arten von Nudeln als Synonyme angegeben sind. Neben Synonymen gibt es auch

die Möglichkeit für Werte bestimmte Muster anzugeben welche auf Übereinstim-

mungen durch reguläre Ausdrücke geprüft werden.

Leider lassen sich keine Entitätengruppen einfach definieren, sodass eine Entität

durch zwei oder mehr andere Entitäten definiert wird um grob zu filtern. So muss

um eine Filterung zu realisieren alle Beispiele der Unterentitäten auch in der Enti-

tätengruppe vorhanden sein.

Fuzzy Matching:

Standardmäßig ist dieses Feature deaktiviert, durch dieses kann die Erkennung

von Entitäten in Benutzereingaben verbessert werden. Dadurch ist es nicht mehr

nötig den genauen Wortlaut einer Entität und deren Beispiele anzugeben, sondern

es wird auch auf Ähnlichkeiten in der Syntax geachtet. Dafür wendet Watson drei

Teilkomponenten an:

•Normalformenreduktion:

Hierbei wird der Wortstamm des Wortes überprüft, wo wird bei angegebenen

plural oder einer Variation des Wortes der Wortstamm gesucht und auch auf

diesen überprüft.

7 Implementierung

•Rechtschreibfehler:

Ist in der Benutzereingabe ein Rechtschreibfehler bzw. eine leichte syntakti-

sche Abweichung zu einer Entität, so wird diese trotzdem richtig zugeordnet.

•Teilweise Übereinstimmung:

Hierbei wird nach einer teilweisen Übereinstimmung mit einer Entität gesucht.

Im Gegensatz zu einer exakten Übereinstimmung werden nun der Entität eine

niedrigere Präzision zugewiesen.

7 Implementierung

7.3.3 Dialog

Das Dialogmodul ist der Hauptbestandteil von Watson Assistant. Im Dialogmodul

werden mithilfe der zuvor erstellten Intents und Entitäten ein Dialogbaum erstellt.

Die Dialogstruktur wird hierbei von Watson von dem jeweils aktuellen Knoten bzw.

vom Ursprung von oben nach unten durchgeführt.

Abbildung 7.23: Beispiel eines Knoten

Jedem Knoten kann ein Name bzw. eine Beschreibung gegeben werden, welche

im Dialogmodul in der Übersicht gezeigt wird. Ob ein Knoten ausgewertet wird,

kann durch die zuvor erstellten Intents und Entitäten festgelegt werden, falls meh-

rere erkannt werden sollen, so lassen sich diese mit einer logischen Verknüpfung

verbinden, siehe Abb. 7.23. Wie hier zu sehen ist, ist keine Klammerung möglich,

sodass nur Paare von Verknüpfungen möglich sind. Standardmäßig hat ein Knoten

eine oder mehrere Antworten, welche auf die gleiche Bedingung antworten die der

Knoten selbst festlegt, und dadurch eine Varianz in den Antworten möglich ist.

7 Implementierung

Zuletzt muss noch angegeben werden, was passiert, nachdem der Knoten bzw.

dessen Antwort ausgewertet wurde. Als Standard wird auf eine weitere Eingabe

des Benutzers gewartet und diese dann von den Kindknoten des aktuellen Knoten

ausgewertet. Sind keine Kindknoten vorhanden, wird die Eingabe vom Ursprung

aus ausgewertet. Als weitere Möglichkeiten gibt es, eine Antwort zu überspringen

und mit der aktuellen Eingabe weiter zu verfahren in den Kindknoten oder nach

der Abhandlung des Knotens zu einem anderen Knoten zu springen, welcher dann

auch ausgewertet wird.

Über Customize lässt sich ein Knoten mit weiteren Features verfeinern, diese wer-

den im weiteren genauer Vorgestellt, den Kontext Editor kann man über die Stan-

dardansicht im Abschnitt der Antworten aktivieren.

weitere Features Dialog:

•Kontext:

In dem Kontext einer Unterhaltung können Entitäten bzw. Werte in Variablen

gespeichert werden. Diese können dann zur Auswertung in Knoten oder in

der Antwort verwendet werden bzw. bei mehreren Antworten entscheiden,

welche gewählt wird. Der Kontext wird für jede Unterhaltung neu Initialisiert

und speichert die Werte während der Laufzeit der aktuellen Unterhaltung.

•Slots:

Durch das Feature von Slots lassen sich mehrere Entitäten einfacher abfra-

gen und angegeben werden vom Benutzer, ein Beispiel ist unter B.2 zu finden.

Dadurch kann der Benutzer mit einer einzigen Eingabe mehrere Entitäten an-

geben, welche daraufhin im Kontext des Dialoges gespeichert werden kön-

nen. Wird ein Knoten mit Slots ausgeführt, so wird überprüft, ob alle Entitä-

ten angegeben wurden und diese ggfs. dann im Kontext gespeichert werden.

Slots können optional oder erforderlich sein, wird eine Frage angegeben, so

erscheint diese falls die Entität nicht erfüllt wurde und der Slot ist erforderlich.

Wird keine Frage für die Entität angegeben, so ist diese automatisch optional

und wird falls mitgeliefert gespeichert. Ist eine erforderliche Entität nicht erfüllt,

so wird dem Benutzer die vordefinierte Frage nach dieser gestellt, solange bis

alle Entitäten erfüllt sind. Ist keine einzige Entität gegeben, sondern lediglich

die Bedingung des Knotens erfüllt, so kann eine Frage nach allen Entitäten

geliefert werden. Wenn alle Slots angegeben wurden führt der Knoten normal

fort mit der Antwort bzw. der Einstellung für das Beenden des Knotens.

7 Implementierung

•Multiple Answers:

Mithilfe mehrerer Antworten ist es möglich, je nach Kontext bzw. Entitäten wel-

che extra gegeben wurden, die Antwort aufgrund dessen zu variieren. Damit

stellt jede Antwort eine Art kleinen Knoten dar. Auch hier gibt es den Kontext

Editor, sodass die Eingabe im Kontext gespeichert werden kann. Je nachdem

welche Antwortmöglichkeit gewählt wird, wird eine Antwort gegeben und an-

schließend wird Standardmäßig der Knoten beendet. Es gibt allerdings die

Möglichkeit für jede Antwort zu einem anderen Knoten zu springen.

•Kontext Editor:

In jedem Knoten lässt sich der Kontext Editor aktivieren, dadurch lassen sich

Entitäten, welche für den Knoten angegeben sind speichern. Dieses Feature

ist ähnlich zu Slots, der Unterschied hierbei ist, dass die Entitäten nicht er-

forderlich oder optional angebbar sind und der Bentuzer nicht aufgefordert

werden kann, den fehlenden Wert anzugeben.

Watson übernimmt die Analyse des eingegebenen Textes auf die hinterlegten In-

tents und Entitäten. Ist die Eingabe ausgewertet so wird die Dialogstruktur von oben

nach unten durchlaufen und bei einem passenden Wert der Knoten ausgewertet.

Dadurch ist es anfänglich schwer mehrere Benutzereingaben auf einmal zu ver-

arbeiten. Um mehrere Entitäten in einem Knoten zu verarbeiten, müsste dieser

mit allen eventuell anderen möglichen Entitäten als Multiple Answers konfiguriert

werden. Dies ist eine größere Einschränkung, da eine Frage im normalen Sprach-

gebrauch auch mehrere Lebensmittel mit einschließt und daraus nicht zwei oder

mehr Fragen werden. So wurde lange Zeit die Möglichkeit direkt mehrere Lebens-

mittel auf einmal einzugeben auf ein einziges Eingeschränkt. Dieses Problem wur-

de mithilfe der Endbedingung eines Knotens gelöst, dadurch lässt sich nach dem

Auswerten des ersten Knotens zu dem nächsten Knoten weiterspringen und diesen

auch auswerten. Daraus folgt nun auch, dass der Benutzer für eine Eingabe von X

unterschiedlichen Lebensmittel auch X Antworten erhält, für jeden Typ eine. Abge-

arbeitet werden die Knoten in der Reihenfolge, wie schlecht sie für die Vorbereitung

sind. So fängt die Auswertung an mit Früchten, welche Samen enthalten und endet

mit leichter Kost wie Joghurt oder Toast, welche kaum Rückstände hinterlassen und

gut verdaulich sind.

Der Dialog beginnt, indem Watson den Nutzer begrüßt, dafür wird beim starten der

Activity am Ende der Initialisierung eine Initialisierungsnachricht gesendet, diese

enthält die zwei benutzten Kontextvariablen für die verbleibenden Tage und die Un-

terteilung der Tageszeit in Morgen, Mittag und Abend.

7 Implementierung

Im Dialogmodul sind drei Arten von Fragen hinterlegt, diese sind zuständig für

Essensfragen, allgemeine Fragen zur Untersuchung und Fragen über die Dauer.

Hauptsächlich wurde sich in dieser Arbeit auf die Auswertung der Fragen zum Es-

sen konzentriert, da dies der grundlegende Sinn des Chatbots für den Benutzer ist.

Eine vollständige Frage des Benutzers wird mit den Informationen zum aktuellen

Essen, also Frühstück, Mittagessen oder Abendessen, und einem oder mehreren

Nahrungsmitteln erwartet. Der Dialogteil für Essensfragen ist in drei Teile geglie-

dert, je nachdem wieviel Informationen der Benutzer in seiner Anfrage angibt.

Zuerst werden vollständige Fragen ausgewertet, dafür wird am Anfang auf das Es-

sen und die Nahrungsmittel überprüft. Sind beide in der Anfrage gegeben, so wird

daraufhin mit der Kontextvariable der verbleibenden Tage geprüft, siehe Abb. B.3,

und anschließend je nach Tag das Nahrungsmittel ausgewertet, siehe Abb. B.4,

und eine Antwort gegeben. Sind nun mehrere Nahrungsmittel angegeben, so wer-

den diese nach und nach abgearbeitet wie zuvor beschrieben und ggf. mehrere

Antworten geliefert.

Als nächsten Teil wird überprüft, ob der Benutzer lediglich das Essen angegeben

hat. In diesem Fall wird der Benutzer gefragt, was er als Nahrungsmittel essen

möchte. Nach einer Eingabe springt der Knoten dann in den jeweiligen Knoten im

ersten Teil, da nun alle nötigen Informationen vorhanden sind und wertet diese wie

im ersten Teil beschrieben aus.

Der dritte Teil ist für eine Eingabe von nur Nahrungsmitteln, in diesem Teil ist wieder

keine weitere Eingabe des Benutzers nötig, hier wird je nach der Kontextvariable für

die Tageszeit entschieden, um welches Essen es sich handelt. Wie im zweiten Teil

wird nun mit allen Informationen wieder in den ersten Teil gesprungen, in welchem

alle Antworten für die Nahrungsmittel in der jeweiligen Phase hinterlegt sind.

7 Implementierung

7.4 Anforderungsabgleich

Im folgenden Kapitel werden die vor der Implementierung erstellten Anforderungen

betrachtet und entschieden, ob diese umgesetzt wurden.

7.4.1 Funktionale Anforderungen an die Anwendung

FA-1 Anmeldung

Beschreibung Um die Anwendung für mehrere Personen nutzbar zu ma-

chen, muss ein Benutzer sich am System mit einem eige-

nen Account anmelden können.

FA-2 Anzeige von verbleibender Zeit

Beschreibung Eine der wichtigsten Informationen für die Vorbereitung, ist

die verbleibende Zeit, da sich danach die Diät richtet. Da-

für soll dem Benutzer direkt auf der Startseite angezeigt

werden, wieviel Zeit noch bis zur Untersuchung verblei-

bend ist in der Form TT/SS.

FA-3 FAQ

Beschreibung Der Benutzer soll nicht nur über die Benachrichtigungen

informiert werden, es soll in einer Übersicht dargestellt

werden, auf was in jeder Phase geachtet wird und wie die

Medikamente eingenommen werden soll.

FA-4 Chat mit Watson

Beschreibung Damit auf den Chatbot Watson zugegriffen werden kann,

soll eine kleine Chatanwendung erstellt werden, in der mit

Watson eine Unterhaltung geführt wird.

7 Implementierung

FA-5 E-Mail an Doktor

Beschreibung Da Watson nicht alle Fragen abdecken kann bzw. eventu-

ell Fragen auch nicht versteht, soll es dem Benutzer mög-

lich sein, wichtige Fragen direkt an den Arzt per E-Mail zu

senden.

FA-6 Registrierung: Auswahl Medikament

Beschreibung Bei der Registrierung kann der Benutzer selbst auswäh-

len, welche Medikament er als Abführmittel wählt.

FA-7 Registrierung: Angabe von Untersuchungstermin

Beschreibung Damit die Anwendung weiß, wann welche Benachrichti-

gungen erforderlich sind, muss der Benutzer den genauen

Termin mit Uhrzeit angeben.

FA-8 Registrierung: Anmeldeinformationen und Doktor E-Mail

Beschreibung In der Registrierung werden die Informationen wie E-Mail

und Passwort des Benutzers abgefragt für die Anmeldung.

Zudem wird die E-Mail des Doktors abgefragt, um diesem

später eine E-Mail schreiben zu können.

Benachrichtigungen

FA-9 Ernährungstipps

Beschreibung Der Benutzer erhält täglich eine bestimmte Anzahl an Be-

nachrichtigungen, welche ihm helfen, eine optimale Vorbe-

reitung zu vollziehen.

Bemerkung Der Benutzer erhält genau drei Benachrichtigungen am

Tag, diese sind für die drei Mahlzeiten am Tag vorgese-

hen, siehe 7.2.1.

7 Implementierung

FA-10 Weiterleitung auf FAQ-Seite

Beschreibung Um alle wichtigen Informationen selbst nachschauen zu

können, soll jede Benachrichtigung die Möglichkeit ha-

ben, auf die FAQ-Seite weiterzuleiten, sodass der Benut-

zer selbst alle Informationen überschauen kann.

FA-11 Medikamentenerinnerung

Beschreibung Neben der Ernährungsumstellung bekommt der Benutzer

auch Benachrichtigungen, wann und wie er das Medika-

ment einnehmen muss, um eine optimale Vorbereitung zu

erlangen.

FA-12 Frage von Watson an Arzt weiterleiten

Beschreibung Kann eine Frage nicht von Watson beantwortet werden, so

soll er mit einem Klick auf die dann erscheinende Benach-

richtigung direkt zur MailActivity kommen um eine E-Mail

an die hinterlegte Adresse des Arztes zu senden.

7 Implementierung

7.4.2 Funktionale Anforderungen an Watson

FA-12 Antwortvariationen

Beschreibung Bei gleichen Fragen soll es möglich sein, verschiedene

Antworten zu liefern, um so eine natürlichere Unterhaltung

zu führen.

Bemerkung Es sind hauptsächlich Variationen von Antworten vorhan-

den, diese müssen aber immer das Nahrungsmittel enthal-

ten, da mehrere Antworten zurück gegeben werden kön-

nen.

FA-13 Antwort passend zur Anfrage

Beschreibung Watson soll dem Benutzer eine Antwort liefern, welche auf

die Frage bzw. den Typ und die Eigenschaften der Anfrage

eingeht. Somit wird eine natürlichere Unterhaltung ermög-

licht.

Bemerkung Wie in FA-12 beschrieben ist diese Anforderung nun für

jede Antwort vorgeschrieben.

FA-14 Unterscheidung zwischen Phasen

Beschreibung Im Dialog mit Watson wird die aktuelle Phase, jedes ein-

zelnen Benutzers in der Wahl der Antwort berücksichtigt.

FA-15 Unterscheidung von Tageszeiten

Beschreibung Je nach Tageszeit soll automatisch die richtige Antwort ge-

wählt werden, falls der Benutzer keine Mahlzeit angibt.

7 Implementierung

FA-16 Allgemeine Fragen

Beschreibung Neben den Fragen zu der Ernährung, soll Watson auch ei-

nige allgemeine Fragen zu der Untersuchung beantworten

können.

Bemerkung Es werden ein paar Fragen rund im die Untersuchung be-

antwortet, allerdings in keinem großen Umfang an Fragen.

8 Fazit und Ausblick

8.1 Fazit

Nach einiger Einarbeitungszeit in den Service von IBM Watson wurden die Mög-

lichkeiten und Begrenzungen schnell ersichtlich. Durch die leicht verständliche und

intuitiv zu bedienende Weboberfläche, lassen sich schnell Fortschritte beim Bau-

en eines Chatbots sehen. Die Dokumentation auf der IBM Homepage selbst ist

umfangreich und gibt einen guten Überblick, zur Servicenutzung und den Bedie-

nungsmöglichkeiten. Die Intents und Entitäten waren in kurzer Zeit erstellt.

Allerdings ist hierbei ernüchternd, dass keine Entitäten in anderen Entitäten als De-

finition vorhanden sein können, um somit Gruppen zu bilden und um diese einfacher

zu Filtern. Nach dem Erstellen der Grundlagen in Form von Intents und Entitäten

wurde der Hauptbestandteil im Dialogmodul gebildet. Hier zeigt der Service nun sei-

ne Stärken, wie ein mögliches Zwischenspeichern von jeglichen Werten und einer

beliebigen Kombination von Intents und Entitäten, wodurch sich komplexe Anfragen

genau voneinander trennen lassen. Mithilfe der Auswertung von Knoten, mehreren

Antworten und weiter verfahren je nach Wert werden viele Möglichkeiten für eine

Dialogstruktur geboten. Durch diese Vielzahl an Auswertungen mehrerer Entitäten

in einer Anfrage zu übernehmen wird der ganze Dialog auch schnell unübersicht-

lich.

Beim Testen des Dialoges kam dann auch Ernüchterung auf. Werden Entitäten

nicht genau genannt, so werden diese nicht erkannt ohne Fuzzy Matching. Auch

werden unbekannte Wörter keinen Entitäten zugeordnet, welche diesen in ihrer

Bedeutung ähneln oder sogar Synonyme sind. So sind eine Vielzahl an Beispielen

gefragt, welche möglichst alle Benutzereingaben widerspiegeln. Dies war beson-

ders im Hinblick auf die Entwicklungsgeschichte von Watson überraschend, da der

Service so starre Vorgaben hat und lediglich nach diesen vorgeht. Die Erwartungen

an Watson konnten somit nicht komplett erfüllt werden, zumindest nicht für den Ge-

brauch im Rahmen dieser Arbeit.

8 Fazit und Ausblick

Abschließend ist zu sagen, dass sich der Service auch hauptsächlich an Unter-

nehmen richtet, welche die Interaktionen mit Benutzern über das Internet oder am

Telefon für ihren Kundenservice automatisieren möchten. Für diesen Einsatzzweck

ist der Service von Watson durch die Vorgaben von Benutzerantworten und durch

kontinuierliches Anpassen mithilfe der geführten Gesprächen sicherlich ein gutes

Endprodukt. Für den Einsatzzweck als ein Chatbot, welcher mit dem Benutzer eine

Unterhaltung führt und Antworten selbst in natürlicher Sprache wiedergeben sollte

allerdings zu komplex, dies zu realisieren.

8.2 Ausblick

Für eine weitere Verbesserung von Watson, gäbe es die Möglichkeit, eine Studie

mit vielen Benutzern durchzuführen. Dabei muss darauf geachtet werden, welche

Teile der Anfragen Watson richtig erkennt und welche Fragen allgemein von den

Probanden gestellt werden. Somit könnte man den aktuellen Service mithilfe ech-

ter Testeingaben verbessern und mehrere Arten von Fragen beantworten, welche

bisher nicht beantwortet werden können.

Eine Verbesserungsmöglichkeit für die Anwendung wäre ein Server-Client Modell.

Damit könnte die App auf mehreren Geräten von der gleichen Person genutzt wer-

den, ohne die App bei jedem Gerät einzeln zu konfigurieren.

Nicht jede Person kann die Vorbereitung gleichermaßen vollziehen, z.B. bei Diabe-

tespatienten müssen diese ggfs. etwas am Tag der Untersuchung zu sich nehmen.

Auch Dauermedikationen von Patienten, welche diese nicht absetzten können wird

aktuell nicht berücksichtigt, diese könnten Nebenwirkungen mit dem Abführmittel

haben und müssen in Absprache mit dem Arzt abgesetzt oder verringert werden.

Hierbei wäre mithilfe einer Server-Client Architektur die Möglichkeit gegeben, dass

der Zuständige Arzt über eine eigene App die Vorbereitungspläne seiner Patienten

anpassen kann.

A Quelltexte

Quelltext zur Berechnung der Zeiten von Benachrichtigungen.

/**@param con

* The method gets the information from the database ,

* calculates the random times for the Notifications

* and saves them in the database

public void setup(Context con) {

System.out.println("IN SETUP METHODE IN ALARM");

int day = cal.get(Calendar.DAY_OF_MONTH);

Random random = new Random();

//Get Settings from Sharedpreferences

SharedPreferences sp =

con.getSharedPreferences(namespace ,con.MODE_PRIVATE);

int startHour = sp.getInt("start_time_hour" ,7);

int startMinute = sp.getInt("start_time_minute", 00);

int endHour = sp.getInt("end_time_hour" ,22);

int endMinute = sp.getInt("end_time_minute" ,00);

//Setup the Calendar for the Milliseconds

Calendar tmp_start = Calendar.getInstance();

Calendar tmp_end = Calendar.getInstance();

tmp_start.set(cal.get(Calendar.YEAR),

cal.get(Calendar.MONTH),cal.get(Calendar.DAY_OF_MONTH),

startHour ,startMinute);

long startMillis = tmp_start.getTimeInMillis();

tmp_end.set(cal.get(Calendar.YEAR),

cal.get(Calendar.MONTH),cal.get(Calendar.DAY_OF_MONTH),

endHour ,endMinute);

A Quelltexte

long endMillis = tmp_end.getTimeInMillis();

long timespan = endMillis - startMillis;

//Get equal timespaces , so that 1 Notification lays

//between 1/3 of the timespace +- random 1/6 timespace

int plus_millis = (int) timespan/6;

int minus_millis = -plus_millis;

Calendar tmp_cal = Calendar.getInstance();

//Initialize boolean

boolean bool_one = false;

boolean bool_two = false;

boolean bool_three = false;

//Generate random times

tmp_cal.setTimeInMillis(startMillis+plus_millis);

long millis_one = tmp_cal.getTimeInMillis() +

random.nextInt((plus_millis - minus_millis) + 1)

+ minus_millis;

long millis_mid_one = tmp_cal.getTimeInMillis();

tmp_cal.setTimeInMillis(startMillis+3*plus_millis);

long millis_two = tmp_cal.getTimeInMillis() +

random.nextInt((plus_millis - minus_millis) + 1)

+ minus_millis;

long millis_mid_two = tmp_cal.getTimeInMillis();

tmp_cal.setTimeInMillis(startMillis+5*plus_millis);

long millis_three = tmp_cal.getTimeInMillis() +

random.nextInt((plus_millis - minus_millis) + 1)

+ minus_millis;

long millis_mid_three = tmp_cal.getTimeInMillis();

//Debugging

printTime(millis_one);

printTime(millis_two);

printTime(millis_three);

//Check if time for Notification is already over

if(cal.getTimeInMillis() > millis_mid_one+plus_millis){

A Quelltexte

bool_one = true;

}

if(cal.getTimeInMillis() > millis_mid_two+plus_millis){

bool_two = true;

}

if(cal.getTimeInMillis() > millis_mid_three+plus_millis){

bool_three = true;

}

String tipone = "";

String tiptwo = "";

String tipthree = "";

//Get the Tips from the JSON-File

ArrayList <Phase > phases = json_model.getPhases();

for(Phase p : phases){

if(days < p.getStart() && days >= p.getEnd()){

String[] tmp = p.getTip();

tipone = tmp[0];

tiptwo = tmp[1];

tipthree = tmp[2];

}

//Safe the generated values in the DB

sd.setNotications(millis_one ,millis_two ,millis_three ,

bool_one ,bool_two ,bool_three ,tipone ,tiptwo ,

tipthree ,day);

}

B Abbildungen

Abbildung B.1: Übersicht über die Architektur von Android

B Abbildungen

Abbildung B.2: Slotfeature eines Knotens

B Abbildungen

Abbildung B.3: Auswahl der Phase im Dialog

B Abbildungen

Abbildung B.4: Abarbeitung des Nahrungsmittels

Literaturverzeichnis

[1] Android Developers.

http://developer.android.com

, . – Stand: 07.07.2018

[2] Android Source.

http://source.android.com

, . – Stand: 10.06.2018

[3] API Documentation Watson.

https://www.ibm.com/watson/

developercloud/conversation

, . – Stand: 26.06.2018

[4] Darmspiegelung: Gründe, Vorteile, Risiken.

https://www.

apotheken-umschau.de/diagnose/darmspiegelung

, . – Stand: 10.07.2018

[5] Deutsches Krebsforschungszentrum.

https://www.

krebsinformationsdienst.de/tumorarten/darmkrebs

, . – Stand:

11.07.2018

[6] Dokumentation Watson.

https://console.bluemix.net/docs/services/

conversation

, . – Stand: 07.07.2018

[7] Material Design Google.

http:/metrial.io

, . – Stand: 11.07.2018

[8] Open Handset Alliance.

https://www.openhandsetalliance.com/

,.–

Stand: 05.06.2018

[9] Picoprep.

http://www.picoprep.de/

, . – Stand: 10.07.2018

[10] Research Team IBM Watson.

https://researcher.watson.ibm.com/

researcher/view_group.php?id=2099

, . – Stand: 07.07.2018

[11] Vergleich der Abführmittel.

http://darmlifestyle.de/ced-und-co/

darmspiegelung-abfuehrmittel/

, . – Stand: 03.04.2018

[12] FERRUCCI, D. ; LEVAS, A. ; BAGCHI, S. ; GONDEK, D. ; MUELLER, E. T.: Watson:

beyond jeopardy! In: Artificial Intelligence 199 (2013), S. 93–105

[13] HIGH, R. : The era of cognitive systems: An inside look at IBM Watson and

how it works. In: IBM Corporation, Redbooks (2012)

[14] LALLY, A. ; FODOR, P. : Natural language processing with prolog in the ibm

watson system. In: The Association for Logic Programming (ALP) Newsletter

(2011)

Literaturverzeichnis

[15] MAGAZINE, A. : The ai behind watson—the technical article. In: AI Magazine

(2010)

[16] MARKOFF, J. : Computer wins on ‘jeopardy!’: trivial, it’s not. In: New York Times

16 (2011)

[17] PARRA-BLANCO, A. ; NICOLÁS-PÉREZ, D. ; GIMENO-GARCÍA, A. ; GROSSO, B.

; JIMÉNEZ, A. ; ORTEGA, J. ; QUINTERO, E. : The timing of bowel preparation

before colonoscopy determines the quality of cleansing, and is a significant

factor contributing to the detection of flat lesions: a randomized study. In: World

journal of gastroenterology: WJG 12 (2006), Nr. 38, S. 6161

[18] SIEVERDING, M. : Männer und Inanspruchnahme von Krebsfrüherkennungs-

untersuchungen. (2011)

[19] STARKER, A. ; BUTTMANN-SCHWEIGER, N. ; KRAYWINKEL, K. ; KUHNERT,

R. : Inanspruchnahme der Darmspiegelung in Deutschland. Version: 2017.

http://dx.doi.org/10.17886/RKI-GBE-2017-115

. In: Journal of Health

Monitoring. Robert Koch-Institut, Epidemiologie und Gesundheitsberichterstat-

tung, 2017. – DOI 10.17886/RKI–GBE–2017–115

[20] VAN RIJN, J. C. ; REITSMA, J. B. ; STOKER, J. ; BOSSUYT, P. M. ; VAN DEVEN-

TER, S. J. ; DEKKER, E. : Polyp miss rate determined by tandem colonoscopy:

a systematic review. In: The American journal of gastroenterology 101 (2006),

Nr. 2, S. 343

Name: Bastian Wankmüller Matrikelnummer: 879014

Erklärung

Ich erkläre, dass ich die Arbeit selbständig verfasst und keine anderen als die an-

gegebenen Quellen und Hilfsmittel verwendet habe.

Ulm,den .........................................................................

Bastian Wankmüller