Langfristige Belastungsmessungen als Basis einer orientierenden Gefähr­dungsbeurteilung

Long-term exposure measurements as the basis for a preliminary risk assessment

For the assessment of work-induced strain, physical, psychological, and environmental influences on the working individual are recorded simultaneously. This paper describes a measurement system that combines optical pulse sensors (wearables) with smart environmental sensing technology. It enables long-term measurements without the continuous presence of specialist personnel, while ensuring secure local data storage, and demonstrates a high degree of agreement with established screening procedures for workplace assessment.

Langfristige Belastungsmessungen als Basis einer orientierenden Gefährdungsbeurteilung

Zur Beurteilung der arbeitsbedingten Beanspruchung werden physische, psychische und umgebungsbedingte Einflüsse auf die arbeitende Person simultan erfasst. Dieser Beitrag beschreibt ein Messsystem, das optische Pulssensoren (Wearables) mit intelligenter Sensorik zur Umgebungsüberwachung kombiniert. Es ermöglicht Langzeitmessungen ohne die ständige Anwesenheit von Fachpersonal bei gleichzeitiger Gewährleistung einer sicheren lokalen Datenspeicherung und weist eine hohe Übereinstimmung mit etablierten Screening-Verfahren zur Arbeitsplatzbewertung auf.

Kernaussagen

• Wearables können eine orientierende Arbeitsplatzbewertung bzw. Gefährdungsbeurteilung unterstützen, ersetzen aber nicht ihre vollständige Durchführung.
• Der Offline-Ansatz kann die Datensouveränität stärken. Die Einhaltung datenschutzrechtlicher Anforderungen erfordert darüber hinaus insbesondere ein geeignetes Verarbeitungskonzept, technische und organisatorische Schutzmaßnahmen sowie eine Prüfung des Reidenti­fikationsrisikos.
• Die vorgestellte Methodik hat sich in Labor- und Feldstudien als valides Instrument einer orientierenden Arbeitsplatzbewertung erwiesen. Die Akzeptanz bei den Mitarbeitenden ist erfahrungsgemäß sehr hoch.

Einleitung

Die Analyse arbeitsbedingter Belastungen ist ein zentrales Instrument der betrieblichen Gesundheitsförderung und des präventiven Arbeitsschutzes. Traditionelle Verfahren zur Arbeitssystemanalyse, wie die Leitmerkmalmethoden für körperliche Belastungen sowie das Screening Gesunde Arbeit für kombinierte Belastungen, liefern wichtige Erkenntnisse, erfordern jedoch erheblichen Personalaufwand und ermöglichen im Wesentlichen nur Momentaufnahmen. Eine kontinuierliche, longitudinale Erfassung von Belastungsprofilen über den Arbeitsalltag hinweg ist mit diesen Verfahren nicht oder nur mit unverhältnismäßig hohem Aufwand realisierbar. Dagegen ermöglichen Herzfrequenzmessgeräte, die für die Bewertung der Leistungsentwicklung in Sport und Fitness konzipiert wurden, gleichermaßen auch die Beurteilung arbeitsbedingter Belastungen (Li et al. 2022). Durch kontinuierliche Weiterentwicklungen und damit steigende Funktionalität und Exaktheit sind die Geräte zudem in der Lage, neben dem Puls auch RR-Intervalle (zeitliche Varianz aufeinanderfolgender Herzschläge) zu erfassen. Daraus können Herzfrequenz (HF) und Herzratenvariabilität (HRV) abgeleitet werden. Beide Größen sind etablierte physiologische Indikatoren für die kardiovaskuläre und psychovegetative Beanspruchung des Menschen. Während die HF die aktuelle Belastungsintensität widerspiegelt, erlaubt die Messung der HRV differenziertere Aussage über vegetative Regulationsprozesse, Stresserleben und Erholungszustände (Shaffer u. Ginsberg 2017).

Die Kombination von diesen Vitalmesssystemen mit smarter Umweltmesstechnik eröffnet die Möglichkeit, physische, psychische und umweltbedingte Belastungsdimensionen in einem gemeinsamen, zeitlich synchronisierten Datenstrom zu erfassen (Moon u. Ju 2024). Dadurch entstehen neue Möglichkeiten für orientierende Messungen, die konventionelle Screening-Verfahren sinnvoll ergänzen. Weitere Vorteile liegen in geringen Hardwarekosten, einfacher Handhabung, hoher Akzeptanz bei den Mitarbeitenden sowie der Möglichkeit zu Langzeitmessungen ohne dauerhaft vor Ort präsentes Fachpersonal (Hamidi Shishavan et al. 2023).

Methodik

Anforderungsprofil und Geräteauswahl

Die Auswahl geeigneter Hardware folgte
einem strukturierten Anforderungsprofil, das aus den Rahmenbedingungen des betrieblichen Einsatzkontextes abgeleitet wurde. Für den Vitalsensor wurden folgende Kernkriterien definiert:

• Hohe Nutzerakzeptanz für Langzeitmessungen im Arbeitsalltag (mehrere Wochen)
• Flexible Trageoptionen am Oberarm, Handgelenk oder Bein
• Kontinuierliche Datenübertragung per Bluetooth Low Energy (BLE) an ein lokales Gerät
• Vollständiger Offline-Betrieb ohne aktive Internetverbindung und ohne Cloud-Anbindung
• Betrieb ohne proprietäre Herstellersoftware.

Im Sinne einer möglichst geringen Unterbrechung des Arbeitsflusses der Mitarbeitenden wurde ein Sensor ohne Display ausgewählt. Für die Erfassung von Umgebungsparametern wurde ein kompaktes, kostengünstiges Mehrkanalgerät ausgewählt, das die simultane Messung thermischer, akustischer, optischer und luftchemischer Größen ermöglicht.

Hardwarekonfiguration und Daten­übertragung

Das eingesetzte Messset (➥ Abb. 1) besteht aus drei Komponenten: dem PPG-Vitalsensor, einem vorkonfigurierten Smartphone als Offline-Datenlogger sowie dem Umwelt­sensor. Die Vitaldaten werden kontinuierlich per BLE vom Armband auf das Smartphone übertragen. WLAN- und Mobilfunkfunktionen sind während der gesamten Messphase deaktiviert. Eine Verbindung zu Cloud-Diensten des Hardwareherstellers findet zu keinem Zeitpunkt statt.

Am konkreten Bedarf orientiert wurde die KIWorx-App entwickelt, die sowohl die Erfassung und Speicherung der Vitalparameter als auch die tätigkeitsbezogene Protokollierung durch die Mitarbeitenden ermöglicht. Die Tätigkeitserfassung erfolgt mittels Drop-down-Menü mit vordefinierten Kategorien, die auf Basis einer Voranalyse konfiguriert werden. Diese Architektur gewährleistet die vollständige Datensouveränität der/des Mitarbeitenden und des Unternehmens: Alle Messdaten verbleiben lokal auf dem Smartphone und werden erst nach Abschluss der Messperiode und nur mit der Zustimmung des Mitarbeitenden an das zentrale Auswertungssystem übergeben. In der Appansicht wird dem Mitarbeitenden nur eine vereinfachte Ansicht der Leistungsfähigkeit und des Erholungsgrades im Ampelprinzip angezeigt, um den Mitarbeitenden nicht von seiner eigentlichen Arbeitstätigkeit abzulenken und ihm gleichzeitig einen direkten Mehrwert zu bieten.

Erfasste Messgrößen

Das Gesamtsystem erfasst parallel drei Datenkategorien:

• Vitaldaten: Puls beziehungsweise Herzfrequenz (HF) und RR-Intervalle zur Bestimmung der Herzratenvariabilität (HRV).
• Umweltparameter: Umfasst unter anderem Raumtemperatur, relative Luftfeuchtigkeit, Schallpegel, Beleuchtungsstärke und Luftzusammensetzung.
• Tätigkeitsprotokoll: App-basierte Erfassung von Tätigkeitskategorie und Zeitstempel durch die Mitarbeitenden, konfigurierbar auf Basis der arbeitsplatzbezogenen Voranalyse.

Der methodische Ablauf der orientierenden Arbeitsplatzbewertung gliedert sich in fünf aufeinander aufbauende Phasen (➥ Abb. 2). Das Vorgehen ist iterativ angelegt und auf eine kontinuierliche Verbesserung des Arbeitssystems ausgerichtet.

1. Phase: Voranalyse

Im Rahmen der Voranalyse wird der zu untersuchende Arbeitsplatz vorbewertet. Die Voranalyse umfasst drei Elemente: (1) strukturierte Tätigkeitserfassung, (2) Screening Gesunde Arbeit zur Erstbewertung psychischer Belastungen sowie (3) bei körperlichen Tätigkeiten die Anwendung der Leitmerkmalmethode (LMM). Die Fragebögen sind so aufgebaut, dass sie beispielsweise durch die Fachkraft für Arbeitssicherheit ohne zusätzliche Weiterbildung genutzt und ausgewertet werden können.

2. Phase: Einweisung der Mitarbeitenden und Einwilligungserklärung

Es folgen das Briefing der Mitarbeitenden zu Zweck, Ablauf und datenschutzrechtlichen Rahmenbedingungen der Vitaldatenerfassung sowie die Erhebung einer standardisierten Vorbefragung zur subjektiven Beanspruchungseinschätzung. Nach schriftlicher Einwilligung erhalten die Probandinnen und Probanden das Messset (Vitalsensor, Smartphone) und werden in die Handhabung der App eingewiesen. Die Teilnahme ist in allen Phasen freiwillig. Das Vorgehen wird im Vorfeld mit dem Betriebsrat abgestimmt.

3. Phase: Baseline- und Langzeit­messung

Der Analysezeitraum umfasst mindestens drei Wochen. In der ersten Woche findet die Baseline-Messung statt. Damit werden individuelle Referenzwerte für HF und HRV jeder Probandin/jedes Probanden etabliert, um interindividuelle physiologische Unterschiede in der späteren Auswertung berücksichtigen zu können. In der anschließenden Messphase (mindestens zwei Wochen) werden Vitalparameter kontinuierlich während der Arbeitszeit aufgezeichnet. Parallel protokollieren die Mitarbeitenden ihre Tätigkeiten in der App.

4. Phase: Auswertung

Mit Rückgabe der Messtechnik erfolgt die rechnergestützte Datenauswertung (s. unten). Die Einzelauswertung wird im vertraulichen Gespräch zwischen Versuchsleitung und Mitarbeitendem besprochen. Sie erlaubt die Adressierung individueller Problemlagen, einschließlich etwaiger medizinischer Auffälligkeiten. Für die Gruppenauswertung werden im Anschluss mindestens zehn Datensätze von Beschäftigten mit vergleichbarem Tätigkeitsprofil aggregiert, um arbeitsorganisatorische Problemstellen unter Wahrung der Persönlichkeitsrechte Einzelner sichtbar zu machen.

5. Phase: Gestaltungsoptimierung

Auf Basis der Auswertungsergebnisse werden Maßnahmen zur Gestaltungsoptimierung des Arbeitssystems abgeleitet und umgesetzt. Der Prozess ist iterativ angelegt: Messzyklen werden wiederholt, bis keine anhaltenden Über- oder Unterforderungszustände mehr messbar sind.

Datenverarbeitung und Auswertung

Datenfluss und Vorverarbeitung

Nach Abschluss der Messphase werden die Rohdaten vom Smartphone exportiert und in das zentrale Auswertungssystem importiert. Der Aufbereitungsprozess umfasst drei parallele Datenströme:

• die Daten zur Herzfrequenz und die RR-Intervall-Zeitreihe des Vitalsensors,
• die Umweltparameterzeitreihe des Umweltsensors sowie
• das tätigkeitsbezogene Protokoll aus der KIWorx-App.

Die zeitliche Synchronisation der Datenströme erfolgt auf Basis einheitlicher Zeitstempel, die das Smartphone bei der Datenerfassung generiert.

Es erfolgt weiterhin die Vorverarbeitung der Daten des Vitalsensors zur Detektion und Korrektur von Artefakten, da diese die HRV-Kenngrößenberechnung erheblich verfälschen können. Hierfür werden interpola­tionsbasierte Verfahren eingesetzt. Nur Messabschnitte mit ausreichender Signalqualität werden für die Auswertung herangezogen.

HF-Auswertung und HRV-Kenngrößen­berechnung

Aus den Rohdaten des PPG-Vitalsensors werden Pulsfrequenz und Interbeat-Intervalle ermittelt. Auf Basis qualitätsgeprüfter Interbeat-Intervalle können HRV-Kenngrößen berechnet werden. Die HF fungiert dabei primär als Indikator der physischen Beanspruchung: Mit steigender muskulärer Belastungsintensität steigt die HF proportional zum Sauerstoffbedarf der beanspruchten Muskulatur und ermöglicht so eine valide Einschätzung der körperlichen Beanspruchung im Arbeitsalltag. Die AWMF-Leitlinie (Arbeitsgemeinschaft der Wissenschaftlichen Medizinischen Fachgesellschaften e. V.; DGAUM et al. 2022) zur Nutzung von Herzschlagfrequenz und HRV in der Arbeitsmedizin bestätigt die HF als zen­tralen Parameter zur Beurteilung energetischer, vorwiegend körperlicher Arbeitsbelastungen (Baevsky u. Chernikova 2017). Ergänzend wird der Baevsky-Stressindex (BSI) berechnet, der in der Praxis als sensitiver Indikator der kognitiven und psychomentalen Beanspruchung gilt. Er quantifiziert die Zentralisierung der Herzrhythmusregulation und damit das Ausmaß sympathischer Dominanz. Erhöhte Indexwerte können auf gesteigerte psycho­vegetative Anspannung und reduzierte Regulationsreserve hinweisen. Im Zeitbereich werden dabei insbesondere zwei Parameter bestimmt: Die Root Mean Square of Successive Differences (RMSSD) gilt als Maß für die kurzfristige HRV und ist sensitiv für parasympathische Aktivität und damit für Erholungszustände. Die Standard Deviation of NN Intervals (SDNN) hingegen erfasst die Gesamtvariabilität und reflektiert sowohl sympathische als auch parasympathische Einflüsse.

Kontextbezogene Auswertung und Belastungsidentifikation

Durch die Verknüpfung der separat, aber gleichzeitig aufgezeichneten Datenströme entstehen kontextannotierte Datensätze, die eine tätigkeitsspezifische Beanspruchungsanalyse ermöglichen. Diese werden im vertraulichen Gespräch diskutiert. Im Gruppengespräch werden dann konkrete auf dem Arbeitssystem basierende Belastungen identifiziert. Idealerweise sollten für die Gruppenauswertung Daten nur nach einer dokumentierten Prüfung des Reidentifikationsrisikos aggregiert und anonymisiert beziehungsweise – sofern eine Reidentifikation nicht sicher ausgeschlossen werden kann – pseudonymisiert verarbeitet werden. Eine Mindestgruppengröße von n = 10 kann hierfür ein zusätzliches Schutzkriterium sein (Regulation EU 2016).

Dashboard und Visualisierung

Für die Aufbereitung und Präsentation der Auswertungsergebnisse wurde ein eigenes Dashboard entwickelt. Dieses ermöglicht die kombinierte Darstellung der verschiedenen Datenstränge in einem gemeinsamen Zeitdiagramm. Zeitfenster und Tätigkeitskategorien lassen sich flexibel variieren, um unterschiedliche Aspekte und Interpretationen gemeinsam mit den Betriebsverantwortlichen sowie den Mitarbeitenden zu analysieren. Mit dem Dashboard entstand ein funktionales Visualisierungsinstrument, das unterschiedliche Interpretationen der Daten unmittelbar vor Ort und ein eigenständiges Erkennen von Zusammenhängen ohne spezifisches Fachwissen ermöglicht.

Zusammenfassung und Ausblick

Die vorgestellte Methodik hat sich in Labor- und Feldstudien als valides Instrument einer orientierenden Arbeitsplatzbewertung erwiesen. Die Kombination von HF-/HRV-Daten mit Umweltmessgrößen und tätigkeitsbezogenen Kontextinformationen ermöglicht eine differenzierte Beanspruchungsanalyse, die über konventionelle Screening-Verfahren hinausgeht. Die besondere Stärke des Ansatzes liegt in der Möglichkeit zu Langzeitmessungen ohne dauerhaft präsentes Fachpersonal bei gesicherter lokaler Datenhaltung ohne Cloud-Abhängigkeit sowie in der Skalierbarkeit auf mehrere parallele Arbeitssysteme. Langzeitmessungen können dazu beitragen, zeitlich schwankende oder selten Belastungssituationen zu erkennen und gezielt weiterführende Analysen durchzuführen und entsprechende Gestaltungsmaßnahmen.

Das entwickelte Offline-Konzept stellt nicht nur die pragmatische Reaktion auf betriebliche Datenschutzanforderungen dar, sondern ist als eigenständiger methodischer Beitrag zu verstehen. Die vollständige Datenhaltung auf einem lokalen, netzwerkisolierten Smartphone ohne Cloud-Anbindung löst eine zentrale Akzeptanzbarriere, die in der Literatur für Wearable-basierte Messungen im Arbeitskontext wiederholt beschrieben wird. Die Unabhängigkeit von proprietären Herstellerplattformen sichert zudem die langfristige Verfügbarkeit und Interpretierbarkeit aller Messdaten. Aus wissenschaftlicher Sicht ergibt sich daraus die Anforderung, die eigenen Auswertungs­algorithmen transparent und reproduzierbar zu dokumentieren – eine Anforderung, der konventionelle kommerzielle Systeme häufig nicht genügen.

Perspektivisch bietet der wachsende Pool anonymisierter Felddaten eine Grundlage für KI-gestützte Auswertungsverfahren. Durch maschinelles Lernen auf Basis von Belastungsszenarien verschiedener Arbeitssysteme ist eine zunehmend differenzierte automatisierte Situationsbeurteilung sowie eine gezieltere Ableitung von Gestaltungsmaßnahmen zu erwarten. Die Weiterentwicklung des Dashboards, die methodische Standardisierung des Gesamtvorgehens sowie die Ausweitung der Felddatenbasis bilden die nächsten Entwicklungsschritte.

Interessenkonflikt: Die Autoren geben an, dass keine Interessenkonflikte vorliegen.

Literatur

Li X, Zhu W, Sui X, Zhang A, Chi L, Lv L: Assessing workplace stress among nurses using heart rate variability analysis with wearable ECG device – a pilot study. Front Public Health 2022; 9: Art. 810577. doi:10.3389/fpubh.2021.810577 (Open Access).

Shaffer F, Ginsberg JP: An overview of heart rate variability metrics and norms. Front Public Health 2017; 5: Art. 258. doi:10.3389/fpubh.2017.00258 (Open Access).

Moon J, Ju B-K: Wearable sensors for healthcare of industrial workers: A scoping review. Electronics 2024; 13: Art. 3849. doi:10.3390/electronics13193849 (Open Access).

Hamidi Shishavan H, Garza J, Henning R, Cherniack M, Hirabayashi L, Scott E, Kim I: Continuous physiological signal measurement over 24-hour periods to assess the impact of work-related stress and workplace violence. Appl Ergon 2023; 108: Art. 103937. doi:10.1016/j.apergo.2022.103937.

Baevsky RM, Chernikova AG: Heart rate variability analysis: Physiological foundations and main methods. Cardiometry 2017; 10: 66–76. doi:10.12710/cardiometry.2017.10.6676 (Open Access).

Regulation (EU) 2016/ 679 of the European Parliament and of the Council – of 27 April 2016 – on the protection of natural persons with regard to the processing of personal data and on the free movement of such data, and repealing Directive 95/ 46/EC (General Data Protection Regulation)

Online-Quelle

DGAUM – Deutsche Gesellschaft für Arbeitsmedizin und Umweltmedizin e.V.: S2k-Leitlinie 002/042 – Nutzung der Herzschlagfrequenz und der Herzfrequenzvariabilität in der Arbeitsmedizin und Arbeitswissenschaft, AWMF-Register, 2022
https://register.awmf.org/de/leitlinien/detail/002-042

Koautor

Fabian Dietrich, M. Sc.

Westsächsische Hochschule Zwickau, Fakultät ­Automobil und Maschinenbau, Professur Arbeits­wissenschaft, Zwickau

Fabian.dietrich@whz.de

Kontakt

Prof. Dr.-Ing. Torsten Merkel

Westsächsische Hochschule Zwickau; Fakultät Automobil und ­Maschinenbau; Professur Arbeitswissenschaft; Kornmarkt 1, 08056 Zwickau

torsten.merkel@whz.de

Foto: Westsächsische Hochschule Zwickau